Python 3.x 混淆矩阵-不随预测模型变化（Sklearn）

我有3个预测模型，我正在用混淆矩阵评估它们的性能。 对于这3个模型中的每一个，我都得到了相同的混淆矩阵结果。 我预计不同的模型会表现不同，产生不同的混淆矩阵。我是预测建模新手，所以我怀疑我犯了一个“新手错误”。我使用的完整脚本位于GiThub上的Jupyter笔记本中

下面是3个模型的代码截图

有人能指出哪里出了问题吗？ 干杯 迈克

---

这仅仅是因为您使用相同的训练数据进行预测。由于您的模型已经基于您正在进行预测的相同数据进行了训练，因此它们将返回相同的结果（最终是相同的混淆矩阵）。您需要将数据集拆分为训练集和测试集。然后在训练集上训练分类器，并在测试集上进行预测

---

您可以使用Sklearn将数据集拆分为训练集或测试集

这仅仅是因为您使用相同的训练数据进行预测。由于您的模型已经基于您正在进行预测的相同数据进行了训练，因此它们将返回相同的结果（最终是相同的混淆矩阵）。您需要将数据集拆分为训练集和测试集。然后在训练集上训练分类器，并在测试集上进行预测

---

您可以使用Sklearn将数据集拆分为训练集或测试集

如上所述：对测试数据进行预测。但请记住，你的目标是倾斜的！所以使用层叠褶皱或类似的东西

我猜你的数据有点损坏了。虽然所有的模型都显示了相同的结果，但这可能是一个很大的错误

一些问题/建议： 1.您是否缩放了数据？ 2.你用了一个热编码吗？ 2.不要使用决策树，而是使用森林/XGBoost。容易与DT过度配合。 3.不要在NN中使用>2个隐藏层，因为它也很容易过度拟合。首先使用2。你的架构（30，30，30）有两个目标类，看起来很奇怪。

---

4.如果你想使用>2个隐藏层，请转到Keras或TF。您会发现有许多功能可以帮助您避免过度拟合。

如前所述：对测试数据进行预测。但请记住，你的目标是倾斜的！所以使用层叠褶皱或类似的东西

我猜你的数据有点损坏了。虽然所有的模型都显示了相同的结果，但这可能是一个很大的错误

一些问题/建议： 1.您是否缩放了数据？ 2.你用了一个热编码吗？ 2.不要使用决策树，而是使用森林/XGBoost。容易与DT过度配合。 3.不要在NN中使用>2个隐藏层，因为它也很容易过度拟合。首先使用2。你的架构（30，30，30）有两个目标类，看起来很奇怪。

---

4.如果你想使用>2个隐藏层，请转到Keras或TF。您会发现有许多功能可以帮助您避免过度拟合。

尝试调整超参数。请注意，您应该在训练中适应，但在测试中预测，这是您获得有意义数据的地方。还有，您是否检查了所有不同模型的所有预测值是否完全相同？@Tbaki是的，奇怪的是，所有3个模型的行值预测值都是相同的。根据Mohammed Kashif的建议，我将使用train_test_split方法分割数据，以获得更有意义的数据，并重新运行预测。尝试调整超参数。请注意，您应该适合列车，但在测试中预测，这就是您获得有意义数据的地方。还有，您是否检查了所有不同模型的所有预测值是否完全相同？@Tbaki是的，奇怪的是，所有3个模型的行值预测值都是相同的。根据Mohammed Kashif的建议，我将使用train_test_split方法分割数据，以获得更有意义的数据，并重新运行预测。