DummyClassifier是原型阶段首个应运行的模型，因其用简单策略（如永远猜多数类）给出准确率下限，所有真实模型必须显著超越它才有意义；需fit后使用，支持多种strategy以匹配不同评估逻辑，且必须与真实模型在相同预处理和数据切片下对比。
为什么 DummyClassifier 是原型阶段第一个该跑的模型
因为不跑它，你根本不知道后续模型有没有真学到东西。它用最简单的策略（比如永远猜多数类）给出准确率下限，所有真实模型都得比它强才有意义。
常见错误现象：accuracy_score 看着 92%，结果 DummyClassifier(strategy="most_frequent") 也能到 91.8%——说明数据极度不平衡，或者特征根本没提供有效信号。
- 二分类场景优先用
strategy="stratified"（按训练集各类比例随机预测），比"most_frequent"更贴近真实 baseline - 多分类或回归任务别硬套分类器，改用
DummyRegressor，否则会报ValueError: Unknown label type - 调用前必须先
fit()，哪怕只是走个流程——漏掉这步直接predict()会抛NotFittedError
如何让 DummyClassifier 匹配你的实际评估逻辑
它默认只输出预测标签，但原型阶段常需概率、置信度或决策函数值来诊断 pipeline 问题。
使用场景：你想检查 cross_val_predict 输出是否和下游阈值处理兼容，或验证 calibration_curve 的参考线。
-
strategy="uniform"时，predict_proba()返回均匀分布，decision_function()不可用 -
strategy="stratified"时，predict_proba()返回训练集各类频率，可直接喂给log_loss计算基准损失 - 若需模拟“带置信度的随机预测”，得自己封装：用
np.random.choice配合classes_和class_prior_手动采样
和真实模型对比时最容易忽略的细节
不是比绝对分数，而是看提升是否稳定、是否在关键指标上成立。DummyClassifier 的“无脑”特性反而暴露很多隐藏 bug。
性能影响：它几乎不耗时，但如果你在 GridSearchCV 里误把它当候选模型，会因参数空间为空导致 ValueError: Parameter grid for estimator DummyClassifier is empty。
- 务必在相同数据切片上对比：用同一组
train_test_split(random_state=42)，避免数据泄露干扰判断 - 别只看 accuracy——对不平衡数据，立刻补上
classification_report和confusion_matrix，确认 dummy 在少数类上是不是全错 - pipeline 中若含
StandardScaler或OneHotEncoder，dummy 必须走完全相同预处理流程，否则对比失效
什么时候该换掉 DummyClassifier
当你发现真实模型在至少两个独立验证集上，持续且显著地超过它在 f1-score 或 roc_auc 上的表现，并且这种优势不能被随机性解释。
容易踩的坑：用 train_test_split 默认的 shuffle=True，但没设 random_state，导致每次跑 dummy 结果浮动，误判模型不稳定。
- 时间序列数据必须禁用 shuffle，改用
TimeSeriesSplit，否则 dummy 可能“偷看”未来，虚高基准 - 如果 dummy 在交叉验证中标准差 > 0.03（分类准确率），说明数据划分本身噪声大，先检查样本标签一致性
- 上线前最后一步：把 dummy 换成
ConstantPredictor（自定义返回固定值），测试服务接口能否正确处理最简响应
事情说清了就结束。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
