Machine learning LogisticRegressionCV错误地预测标签

我有4个连续变量x_1到x_4，通过原始数据的最小-最大缩放，每个变量分布在[0,1]范围内。我使用LogisticRegression预测类的标签为“1”或“0”

什么不起作用？嗯，我的逻辑回归是预测所有分类为“1”型

剥离=分层剥离剥离=1，测试大小=0.2，随机状态=0 对于序列指数，在split.split数值指数数据中测试指数，y： x_列=数值数据[列指数] y_列=y[列索引] x_检验=数值数据[检验指数] y_检验=y[检验指数] reg=逻辑回归 reg.fitx\U列车，y\U列车 y_pred=reg.predictx_测试 打印分类报告，不支持测试 我有以下问题

LogisticReturnal是这项工作的合适工具吗？因为它可以很好地处理一个热编码数据。 它处理连续数据吗？我想是的。 我是否为LogisticReturnal设置了任何参数不正确？你能推荐更好或更整洁的吗？ 最后，我做错什么了吗？ 输出

              precision    recall  f1-score

           0       0.00      0.00      0.00
           1       0.90      1.00      0.95

    accuracy                           0.90
   macro avg       0.45      0.50      0.47
weighted avg       0.80      0.90      0.85

UndefinedMetricWarning: Precision and F-score are ill-defined and being set to 0.0 in labels with no predicted samples. Use `zero_division` parameter to control this behavior.
  _warn_prf(average, modifier, msg_start, len(result))

带有逻辑回归的SMOTE代码

os=SMOTErandom\u状态=0 x_序列，x_测试，y_序列，y_测试=序列测试数据，y，测试大小=0.2，随机状态=0 os_data_x，os_data_y=os.fit_samplex_train，y_train os_data_X=pd.DataFramedata=os_data_X，列=['x1'，x2'，x3'，x4'] os_data_Y=pd.DataFramedata=os_data_Y，列=['Y'] x_序列，x_测试，y_序列，y_测试=序列测试分割数据，os_数据，y.values.ravel，测试大小=0.2，随机状态=0 reg.fitx\U列车，y\U列车 y_pred=reg.predictx_测试 打印分类报告，不支持测试

---

您的数据似乎不平衡，从精度召回表中我们可以看到，类别1占您总数据的近90%。有多种方法可以解决类不平衡问题，您可以参考此了解详细的解决方案

解决这一问题的一个快速解决方案是向模型中添加类权重。目前，代码中的默认值为“无”，这基本上意味着当模型在预测类0而不是类1时，对模型的惩罚更大。首先，可以将“类权重”值从“无”更改为“平衡”，并查看其执行情况

但同时你应该注意，增加类权重也会对类1的性能产生影响，这基本上是一个你需要权衡的问题

---

希望这有帮助

你的建议确实很有帮助。在我看到你的评论之前，我发现LogisticRegressionCV表现不佳的原因不仅仅是数据不平衡，还有更多。我甚至试着增加班级权重，但没有多大帮助。我尝试了其他分类器，如SVM和感知器，但性能同样糟糕。最后，我做了一个技巧：1对相同数量的“好”标签进行采样，2对现有数据进行随机调整，对“坏”标签进行过采样。我很高兴看到一个叫Nitish Shukla的人也有同样的想法，并且有一篇关于它的研究论文。还有一种叫做SMOTE的技术，你可能会感兴趣去探索。我编辑了原始帖子，并为SMOTE添加了分类报告，其设置与LogisticRegressionCV相同。我非常感谢您帮助我理解这份报告并提出进一步的改进建议。我还有一个问题，如果我有一个不平衡的数据集，那么我是否应该不做分层hufflesplit？相反，我应该洗牌并做K折叠，但确保没有分层，对吗？我将单独尝试KFold，重点关注标签“0”或坏人的召回分数。据我所知，“StratifiedShuffleSplit”在这种情况下比KFold更适用，原因是，当您仅使用KFold时，可能会出现这样的情况，即您的一些数据折叠可能只包含来自多数类的样本，并且如果您要将一个模型与此数据折叠相匹配，那么这是没有意义的。而分层SHUFLFLESPLIT将确保所有折叠的数据中都包含类，并且经过训练的模型将更有意义。

SMOTE + same settings for LogisticRegressionCV

              precision    recall  f1-score

           0       0.63      0.73      0.67
           1       0.68      0.57      0.62

    accuracy                           0.65
   macro avg       0.65      0.65      0.65
weighted avg       0.65      0.65      0.65

Accuracy of classifier on test set: 0.71

              precision    recall  f1-score

           0       0.14      0.70      0.24
           1       0.95      0.57      0.71

    accuracy                           0.58
   macro avg       0.55      0.63      0.47
weighted avg       0.87      0.58      0.67