Python 用scikit learn和Pandas制作机器学习模型，但我认为有些东西'；它的准确性有问题

我正在使用熊猫分类模型和scikit学习。我发现模型的精确度太高了，而且都是一样的，我不知道为什么

decision_tree = tree.DecisionTreeClassifier()
decision_tree = decision_tree.fit(X_train,y_train)
print("Test set accuracy = ", model.score(X_test, y_test))

Test set accuracy =  0.9615384615384616

logistic_regression = LogisticRegression()
logistic_regression.fit(X_train,y_train)
print("Test set accuracy = ", model.score(X_test, y_test))

Test set accuracy =  0.9615384615384616

support_vector = SVC()
support_vector.fit(X_train,y_train)
print("Test set accuracy = ", model.score(X_test, y_test))

Test set accuracy =  0.9615384615384616

---

我希望分类模型的准确度会有所不同，但事实并非如此，我认为它的准确度太高了。但是我不知道怎么了：（如果你能帮忙，我将非常感激.

从评论中，你需要运行以下代码：

decision_tree = tree.DecisionTreeClassifier()
decision_tree = decision_tree.fit(X_train,y_train)
print("Test set accuracy = ", decision_tree.score(X_test, y_test))


logistic_regression = LogisticRegression()
logistic_regression.fit(X_train,y_train)
print("Test set accuracy = ", logistic_regression.score(X_test, y_test))



support_vector = SVC()
support_vector.fit(X_train,y_train)
print("Test set accuracy = ", support_vector.score(X_test, y_test))

---

在您的原始代码中，您总是运行代码中未定义的

model

，这就是您获得相同分数的原因

什么是model？您每次都有不同的名称…但您总是使用相同的东西：model我有一个包含0和1二进制数据的表数据，这些是应用于该表数据的分类模型。.也许+）哦..！+）所以我应该把“模型”换成其他的词吗？模型本身是未定义的。您没有重命名

模型

对象。您不是在计算每个模型的测试精度，而是只计算一个模型的测试精度。您没有共享所有代码，或者犯了一个小错误。将

模型

替换为您培训过的模型（例如

决策树

）非常感谢，但不幸的是，即使替换了我的代码，得分仍然相同。。但是谢谢你的帮助really@Xappysmile，您需要在新文件或其他文件中重试此解决方案，因为它修复了您共享的代码中的一个明显问题。如果您使用jupyter，请执行以下操作：重新启动内核，这是一个二进制分类问题（两个类）