我正在使用python中的逻辑回归建立客户流失预测模型。我的模型精度是0.47，只能预测0s。实现的y变量实际上是81个零和92个。
我拥有的数据集只有一些功能和220个用户（记录）。如果我设置了参考时间，则该时间会更少（训练集约123条记录，测试集173条记录）。因此，我认为样本量太小，无法使用逻辑回归。但是我仍然尝试过，因为这只是一个样本测试，所以我只得到了这个小数据集。 （理论上有更多数据）
from sklearn.linear_model import LogisticRegression
logreg = LogisticRegression()
logreg.fit(x_train, y_train)
y_pred = logreg.predict(x_test)
print('Accuracy: {:.2f}'.format(logreg.score(x_test, y_test)))
即使我不测试模型，也就是我使用整个数据集来构建模型，当我预测未来的客户流失时，它仍然仅返回0。 是我的样本量太小，还是因为精度小于0.5，所以它仅返回一个值（此处为0）？还是我在代码中做错了什么？
非常感谢！
答案 0 :(得分：1)
逻辑回归模型的预测有很多潜在的原因。为了通知广大听众，我将列出最常见的听众，即使其中一些不适用于您的情况。
（倾斜的输出分布），您的训练数据有偏差，标签分布不平衡。例如，如果您的训练包含1个正值和100000个负值，则回归中的偏差/截距项将非常小。应用链接函数后，预测实际上可以为零。
（稀疏性），特征空间较大，您的数据集较小，导致训练数据稀疏。因此，以前从未见过大多数新的数据点传入实例。在所有特征都是因子的最坏情况下，看不见的因子值将为零，因为无法识别正确的一键热列。
（倾斜的输入分布）特征空间很小，您的数据集密集在一个很小的区域。如果结果表明该区域存在更多零，则即使对于将来的输入实例，预测也始终为零。例如，我的数据X有两列，性别和年龄。事实证明，在101个数据点数据集中，我的大部分数据点是30岁的男性，而100名30岁的男性中有80个像冰淇淋。该模型将预测像冰淇淋这样的30岁男性将来的输入，通常是假设输入分布相似的30岁男性。
您应该使用predict_proba函数检查分数的分布，并使用pairplot之类的命令检查输入特征的分布。