即使我嘗試使用訓練數據進行預測，sklearn Logistic Regression 的准確性也太低

Question

我目前正在嘗試對某些向量使用邏輯回歸，並且使用 sklearn 庫。

這是我的代碼。 我首先是包含數據的文件並將值分配給 arrays。

# load files
xvectors_train = kaldiio.load_scp('train/xvector.scp')

# create empty arrays where to store the data
x_train = np.empty(shape=(len(xvectors_train.keys()), len(xvectors_train[list(xvectors_train.keys())[0]])))
y_train = np.empty(len(xvectors_train.keys()), dtype=object)

# assign values to the empty arrays
for file_id in xvectors_train:
  x_train[i] = xvectors_train[file_id]
  label = file_id.split('_')
  y_train[i] = label[0]
  i+=1

# create a model and train it
model = LogisticRegression( max_iter = 200, solver = 'liblinear')
model.fit(x_train, y_train) 

# predict 
model.predict(x_train)

#score
score = model.score(x_train, y_train)

出於某種原因，即使我使用 x_train 數據進行預測，分數也約為 0.32。 不應該是 1.0，因為 model 已經知道這些的答案了嗎？ 如果我使用我的測試數據，分數仍然是 0.32。

有誰知道是什么問題？

Answer 1

沒有任何明顯的問題，結果看起來很正常：你的測試分數和你的訓練分數非常相似。

大多數模型試圖學習推廣到新數據的規則/參數，但不記住現有的訓練數據，這意味着“不應該是 1.0，因為 model 已經知道這些的答案了嗎？” 不是真的……

如果您實際上看到您的測試集分數明顯低於您的訓練分數（例如，0.32 與 1.0），那么這意味着您的 model 嚴重過度擬合，需要修復。