随机森林分类器演示期间用户输入的问题

Question

我使用随机森林分类器获得了超过 90% 的准确率，但我担心其余算法给出的结果要低得多，尤其是逻辑回归（55% 准确率） 但这不是主要问题。问题是，当我使用用户输入时，预测是 100% 错误的。用户输入的列的顺序对应于训练数据集列的位置。

model = RandomForestClassifier()
model.fit(X_train, y_train)
prediction = model.predict(X_test)
acc = accuracy_score(y_test, prediction)   # output: 0.91

X_test_user = df_user_compounds_1.to_numpy()
user_input_predictions_1 = model.predict(X_test_user) # 
user_input_predictions_1    # output: array([0, 0, 0, 0, 0], dtype=int64), but it should be: array([1, 1, 1, 1, 1],dtype=int64) 

有人知道为什么会发生这种情况吗？

数据集经过预处理 - 没有缺失值，没有重复，使用 RandomOverSampler 进行平衡，使用 MinMaxScaler 进行缩放，没有负值，并且包含 11 个特征/7K 行。

Answer 1

首先，不同的算法给出不同的准确率是可以接受的。

其次，就你的情况而言，可能有几个原因。

1. 您已缩放数据中的输入，但未缩放 df_user_compounds_1
2. 您的模型可能过度拟合

第三，这不是选择模型的方法。你必须尝试K-Fold交叉验证，超参数调整