Python 数据科学模型达到了非常高的、出乎意料的精确度？

所以我正在训练一个高斯贝叶斯分类器，出于某种原因，我在分类报告中的每一项都变得非常完美。显然这是错误的，我想知道为什么会发生这种情况。我在这方面没有太多经验，所以非常感谢您的帮助！ Kaggle内核链接：

给予

然后当我训练它的时候

model = GaussianNB()

pred = model.fit(features_train, target_train).predict(features_test)

accuracy = classification_report(pred, target_test)
print(accuracy)

这给了我1.0的一切（精确性，召回率，准确性f1） 即使是逻辑回归模型也给了我100%的准确率。我不认为这是过度装修，因为这是一个100%的单位。 感谢您的帮助

以下是数据的快照：

---

这是我的目标和我在列车测试中使用的数据分析缩放分割

错误在

数据分析缩放中。下降（'state'，axis=1）

。 此语句将从数据框中删除列

state

，并返回修改后的数据框，该数据框必须保存在另一个数据框对象中，如：

data\u analyze\u scaled\u x=data\u analyze\u scaled.drop（'state'，axis=1）

现在你应该在你的列车测试中使用这个

在现有的实现中，您已经将目标变量作为模型的一个特性。所以无论你使用哪种模型，精度都是1

---

希望这有帮助

检查标签和功能之间是否存在数据泄漏。您的目标是什么，并且任何功能本身都可以用来直接计算目标变量吗？我的目标是状态变量，它是一个二进制成功/失败，因此我认为它无法计算。@G.Anderson确保目标变量在训练集中均匀分布是一个好主意吗？对于分类问题，什么样的比率通常是可以接受的？我建议的第一件事是阅读有关数据泄漏的内容，它是什么，并尝试将其严格应用于您的模型。快速浏览一下kaggle页面，让我问你一个问题。你认为你可以使用承诺金额与目标金额来预测活动的成功吗？@G.Anderson我有一个关于数据泄漏的问题。我从我的模型中删除了承诺的特性，得到了比大多数其他模型更高的更低的精度。然后，我去掉了支持者，得到了更低的频率，但仍然高于其他人得到的频率。现在我在想，什么时候我应该停止删除我认为可能会影响结果的功能，如果我怀疑它比应该的要高？这是数据泄漏，很好的捕捉。还值得注意的是，如果OP不想将原始数据帧保留在内存中，则OP也可以将参数

inplace=True

包含到drop操作中，而不是将其赋值

(265337, 254)
(265337,)
(66335, 254)
(66335,)

model = GaussianNB()

pred = model.fit(features_train, target_train).predict(features_test)

accuracy = classification_report(pred, target_test)
print(accuracy)

target = data_analyze_scaled['state']
data_analyze_scaled.drop('state', axis=1)