为什么我的Logistic回归模型返回准确度为0？

Question

我正在尝试训练一个模型来预测客户的总购买金额。

我的数据如下所示：

这些是进一步的步骤：

# Preprocessing

def preprocess_input(df):
    df = df.copy()

    #Drop User ID column
    df = df.drop('User ID', axis=1)

    #Binary encoding
    df["Gender"] = df["Gender"].replace({"Female":0, "Male": 1})

    #Split df into x and y
    y = df["Purchased"]
    X = df.drop(["Purchased"], axis=1)

    #Train-test split
    X_train, X_test, y_train, y_test = train_test_split(X, y, train_size=0.8, shuffle=True, random_state=1)

    #Scale x
    scaler = StandardScaler()
    scaler.fit(X_train)
    X_train = pd.DataFrame(scaler.transform(X_train), index=X_train.index, columns=X_train.columns)
    X_test = pd.DataFrame(scaler.transform(X_test), index=X_test.index, columns=X_test.columns)

    return X_train, X_test, y_train, y_test


X_train, X_test, y_train, y_test = preprocess_input(data)

# Training/Results

model = LogisticRegression()
model.fit(X_train, y_train)

acc = model.score(X_test, y_test)
print("Test Accuracy: {:.3f}".format(acc * 100))

但是结果是

Test Accuracy: 0.000

这里可能出了什么问题？

Answer 1

在您的问题陈述中，您明确提到您想要预测总购买金额，所以我认为这是一个回归问题，在这里您使用的是分类算法。

如果你的 model.score 在逻辑回归中为 0，则意味着你的模型完全错误。它预测每个实例的真实类别的相反情况。