我想使用Logistic Regression来预测一个类别（-1或+1），给定一个数据集，我按照以下方式进行分割（测试集中只预测一个条目）：

x_train, x_test = loc_indep[:-1], loc_indep[-1:]y_train, y_test = loc_target[:-1], loc_target[-1:]

然后我使用以下代码来训练模型：

regr = LogisticRegression()regr.fit(x_train, y_train)predictions = regr.predict(x_test)probabilities = regr.predict_proba(x_test)print(probabilities) # 打印概率

基于上述代码，probabilities总是打印出[1. 0.]或[0. 1.]，这意味着类别+1或类别-1被选中的概率为100%。为什么会这样？我期望概率总和为1，但模型会选择，例如，类别+1的概率为54%。

回答：

你的代码看起来是正确的。所以这意味着你有一个超级准确的模型（这让我怀疑有什么问题…）。我建议检查你的训练数据，也许你有一些变量，因为错误的原因，解释得太过充分（例如相同的输出）。

另外，尝试输出训练和测试的准确率。如果训练准确率是100%而测试准确率低很多，你就出现了过拟合。然后你需要调整一些超参数来避免它。

总之，尝试理解你的数据，也许区分这两个类别非常容易，这可能是你得到如此好的模型的原因。