尽管我在逻辑回归中使用cross_val_score使用交叉验证，但我的数据为什么过于拟合

Question

我正在使用" wa_fn-usec_-telco-customer-churn.csv" telcom Customer Cretter of https://wwwwwww.kaggle.com/blastchar/blastchar/telco-custchar/telco-customer----为了使用Scikit-Learn的LogisticRecress（）。

来预测流失

import pandas as pd
    from sklearn.linear_model import LogisticRegression
    from sklearn.model_selection import cross_val_score
    data=pd.read_csv(file)
    #get rid of ID's
    data=data.iloc[:,1:]
    #turn categorical data to dummies
    data2=pd.get_dummies(data,columns=['gender', 'Partner', 'Dependents',
       'PhoneService', 'MultipleLines', 'InternetService', 'OnlineSecurity',
       'OnlineBackup', 'DeviceProtection', 'TechSupport', 'StreamingTV',
       'StreamingMovies', 'Contract','PaperlessBilling', 'PaymentMethod'])
    #Some cleaning and adjustment
    data2["TotalCharges"].replace('[^0-9.]',np.nan,inplace=True,regex=True)
    data2["Churn"].replace(('Yes','No'),(1,0),inplace=True)
    data2=data2.dropna()
    #assign features and target 
    X = data2[data2.columns[:-1]] # Features
    y = data2.Churn # Target variable
    scores=cross_val_score(LogisticRegression(), X, y, cv=10) 
    print(scores)

但是，这仅打印出1个，我也尝试使用随机拆分的改组。为什么我的数据过于拟合，或者还有其他问题？

Answer 1

在数据清洁中，您忘了从培训数据中删除目标列。

获得假人后，'Churn'不再是最后一列，data2.columns[:-1]将其放在训练集中，您的模型最终从中学习。