Python 3.x Sklearn逻辑回归预测概率返回0或1

我没有任何示例数据可以共享以复制问题，但也许有人可以提供一个高层次的答案。我在过去创建了很多逻辑回归模型，这是我的预测概率分数第一次显示为1或0

我正在创建一个二进制分类器来预测两个标签中的一个。我还使用了其他两种算法，XGBClassifier和RandomForestCalssifier，用于相同的数据集。对于这些，predict_proba产生预期的概率结果（即，介于0和1之间的浮点值）

此外，对于Logistic回归模型，我尝试了各种参数，包括所有默认参数，但问题仍然存在。奇怪的是，使用带有loss='log'或'modified_huber'的sgdclassizer也会产生相同的二进制predict_proba结果，所以我认为这可能是数据集固有的东西，但不确定。此外，只有在标准化培训集数据时，才会出现此问题。到目前为止，我已经尝试了StandardScaler和MinMaxScaler，结果相同

有没有人遇到过这样的问题

编辑：

LR参数为：

LogisticRegression(C=1.7993269963183343, class_weight='balanced', dual=False,
                   fit_intercept=True, intercept_scaling=1, l1_ratio=.5,
                   max_iter=100, multi_class='warn', n_jobs=-1, penalty='elasticnet',
                   random_state=58, solver='saga', tol=0.0001, verbose=0,
                   warm_start=False)

---

同样，只有使用

StandardScaler（）

或

MinMaxScaler（）

标准化数据时，才会出现此问题。这是很奇怪的，因为数据在所有特征中不是一个统一的比例。例如，一些特征表示为百分比，其他特征表示为美元值，其他特征表示为虚拟编码表示。

有可用的代码吗？某处有

np.argmax

吗？请提供您的代码示例，谢谢！你能告诉我们你尝试过的解算器、惩罚、tol、C和max_iter的信息吗？我认为这对理解你的问题至关重要。@pythonic833完成。@NegativeCorrelation还有一件事。你能把

model.coef

贴在这里吗？通过这种方式，我们可以检查哪种功能可能导致这种效果