我正在尝试为电动车充电事件数据构建一个分类模型。我想预测在给定的时间点，充电站是否会可用。我有以下代码在运行：
from sklearn.ensemble import RandomForestClassifierimport pandas as pdraw_data = pd.read_csv('C:/temp/sample_dataset.csv')raw_test = pd.read_csv('C:/temp/sample_dataset_test.csv')print ('raw data shape: ', raw_test.shape)#选择要进行虚拟变量处理的列X_vars = ['station_id', 'day_of_week', 'epoch', 'station_city', 'station_county', 'station_zip', 'port_level', 'perc_local_occupancy', 'ports_at_station', 'avg_charge_duration']y_var = ['target_variable']categorical_vars = ['station_id','station_city','station_county']#分割训练和测试数据的X和yX_train = raw_data.loc[:,X_vars]y_train = raw_data.loc[:,y_var]X_test = raw_test.loc[:,X_vars]y_test = raw_test.loc[:,y_var]#创建虚拟变量X_train = pd.get_dummies(X_train, columns = categorical_vars )X_test = pd.get_dummies(X_test, columns=categorical_vars)print('train size', X_train.shape, '\ntest size', X_test.shape)#在整个训练数据上训练未校准的随机森林分类器，并在测试数据上进行评估clf = RandomForestClassifier(n_estimators=100, max_depth=2)clf.fit(X_train, y_train.values.ravel())print ('RF accuracy: TRAINING', clf.score(X_train,y_train))print ('RF accuracy: TESTING', clf.score(X_test,y_test))结果
raw data shape: (1000000, 15)train size (1000000, 125) test size (1000000, 125)RF accuracy: TRAINING 0.831456RF accuracy: TESTING 0.831456我的问题是，为什么训练和测试的准确率完全相同？我已经运行了很多次，结果总是完全相同。有什么想法吗？（我已经检查过原始数据确实是不同的）
回答：
你的代码中有一个简单的拼写错误，因为每次你选择的所有行都是：
#分割训练和测试数据的X和yX_train = raw_data.loc[:,X_vars] y_train = raw_data.loc[:,y_var]X_test = raw_test.loc[:,X_vars]y_test = raw_test.loc[:,y_var]你应该通过某个索引分别索引它们，例如： X_train = raw_data.loc[:idx,X_vars]
