scikit-learn模型预测全为同一类别，主因是标签严重失衡、特征未标准化或predict_proba阈值误用；应检查标签分布、使用class_weight、标准化特征、避免手动阈值切分，并验证数据加载是否正确。
Scikit-learn 模型预测结果全为同一类别，通常不是模型“学坏了”，而是数据或评估流程中某个环节出了可定位的偏差——最常见的是训练集标签分布极端不均衡、特征未标准化导致距离度量失效，或误用 predict_proba 后阈值硬切。
检查训练标签是否严重不平衡
如果 y_train 中某类占比超过 95%，多数分类器（尤其是 DecisionTreeClassifier、RandomForestClassifier）默认会直接预测众数类以最小化基尼不纯度或误分类损失。
- 用
np.bincount(y_train)或pd.Series(y_train).value_counts(normalize=True)查看比例 - 若正负样本比 > 20:1，优先尝试
class_weight='balanced'参数（对SVC、LogisticRegression、树模型均有效） - 避免仅靠
accuracy评估：改用classification_report和confusion_matrix，确认是否真没学出区分能力
验证特征是否未经标准化就喂给了距离敏感模型
KNeighborsClassifier、SVC（尤其 RBF 核）、LogisticRegression 对特征量纲极度敏感。若一个特征取值范围是 0–1，另一个是 0–10000，后者会在距离/梯度计算中完全主导决策边界。
- 运行前必须加
StandardScaler或MinMaxScaler，且要 先拟合再 transform 训练集和测试集 - 错误写法：
scaler.fit(X_train); scaler.transform(X_test)✅ 正确：scaler.fit_transform(X_train); scaler.transform(X_test) - 漏掉这步时，
SVC的decision_function输出常出现大量相同符号值，导致predict全归一类
排查 predict_proba 阈值误用导致的假性“全一样”
调用 predict_proba 后直接取 np.argmax 是安全的；但若手动用 > 0.5 切二分类概率，而模型输出实际是 [0.499, 0.501] 这种紧贴阈值的分布，微小浮点误差或不同 sklearn 版本的数值实现差异就会让全部样本跨到同一侧。
- 不要自己写
y_pred = (proba[:, 1] > 0.5).astype(int)，直接用model.predict(X) - 若需自定义阈值，先用
precision_recall_curve找最优threshold，再用np.where(proba[:, 1] >= threshold, 1, 0) - 注意
RandomForestClassifier的predict_proba在样本数少时可能返回退化概率（如全 0.5），此时看estimators_数量是否足够（建议 ≥ 100）
真正棘手的情况往往藏在数据加载环节：比如 pandas.read_csv 把类别列读成字符串但没转 astype('category')，或标签列含空格/隐藏字符导致 LabelEncoder 编码出错——这时 y_train 看似正常，实则内部全是同一编码值。动手前先打印 np.unique(y_train, return_counts=True) 和 repr(y_train[:5])。
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！
