在Python中实现的RandomForestClassifier不起作用

我有这个csv文件：

name,likes,trabels,rapn,aps,class
0,name1,22,0.3,0.893818566,2,0
1,name2,2,0.3,0.910212895,2,0
2,zendym.,6,1,0.195939375,1,0
3,smok,16,0.3,0.56267631,2,0
4,d,3,0.3,0.01069298,1,0

我想根据名称的其他属性对其进行分类。我正在使用以下代码：

import pandas as pd 
from sklearn import datasets

df=pd.read_csv('book4.csv')

from sklearn.model_selection import train_test_split

X=df[['likes', 'trables', 'rapn', 'aps']]
y=df['class']

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.7)

from sklearn.ensemble import RandomForestClassifier

clf=RandomForestClassifier()

clf.fit(X_train,y_train)

y_pred=clf.predict(X_test)

from sklearn import metrics

print("Accuracy:",metrics.accuracy_score(y_test, y_pred))

---

这是我的第一个机器学习项目。问题是，当我运行它时，我得到

[0 0…，0 0 0]

和

精度=1

（！！！！！！！！！）。此外，当我检查每个功能的重要性时，我也会得到每个功能的

0.0

。我不明白我做错了什么。有人能帮我吗

第一件事是，如果这个数据集是您所有的，那么它太小了，无法实现随机森林分类器（这是数据饥饿）甚至任何机器学习。接下来，您有一个极其不平衡的类问题，“机器”不知道除了

0

之外是否还有其他

类。这就是为什么所有预测都是零。
你有一个不平衡的班级问题。所有类都只映射到
0
。提供的示例是整个数据集吗？它不包含
类
为
1
否的任何行，这是数据集的一部分。但是对于整个数据集，
class
是
0
。@mad_u我知道了。我应该映射这些类。问题是，我希望算法能够找到类——在这种情况下，我是否使用了错误的技术？在做出预测之前，实际上是在允许算法从类中学习。如果它只包含
0
类，则表示它没有看到任何其他类类型。因此，无论发生什么情况，它都会预测结果有利于
0
。如果有意义的话，您实际上是在数据集中引入了偏差。