我在训练一个高斯贝叶斯分类器，但不知为何在分类报告中所有指标都达到了完美。显然这是不对的，我在想为什么会这样。我在这方面的经验不多，任何帮助都将不胜感激！Kaggle内核链接：https://www.kaggle.com/rafayk7/kickstarter-real
features_train, features_test, target_train, target_test = train_test_split( data_analyze_scaled, target, test_size = 0.2, random_state=42)print(features_train.shape)print(target_train.shape)print(features_test.shape)print(target_test.shape)输出结果为
(265337, 254)(265337,)(66335, 254)(66335,)然后当我训练模型时，
model = GaussianNB()pred = model.fit(features_train, target_train).predict(features_test)accuracy = classification_report(pred, target_test)print(accuracy)这让我在所有指标（精确度、召回率、准确率和F1分数）上都得到了1.0。即使是逻辑回归模型也给我100%的准确率。我不认为这是过拟合，因为这是一个绝对的100%。任何帮助都将不胜感激！
这是数据的快照：
target = data_analyze_scaled['state']data_analyze_scaled.drop('state', axis=1)这是我在train_test_split中使用的目标和data_analyze_scaled
回答：
错误出在data_analyze_scaled.drop('state', axis=1)。这条语句会从数据框中删除state列，并返回修改后的数据框，需要将其保存到另一个数据框对象中，如下所示：
data_analyze_scaled_x = data_analyze_scaled.drop('state', axis=1)
现在你应该在你的训练测试分割中使用这个。
在你现有的实现中，你将目标变量作为一个特征提供给了你的模型。因此，无论你使用哪种模型，准确率都会是1。
