假设发布的数据集只是一个说明性示例（因此很小）：

问题是您的测试数据与您的训练数据相比，因变量的分布非常不同（在您的示例拆分中：它不包含任何第 1 类的示例）。

将数据拆分为训练集和测试集时，您需要包含一些随机性来解决此问题。然而，在如此小的数据集中，可能仍会导致关于训练和测试数据的经验分布非常不同。

您可以做的是应用拆分，以使训练和测试数据的目标变量的分布保持相同（即，两个集合将具有相同的示例份额y==1和y==0）。

Scikit Learnstratify为此提供了参数（我将您的数据复制到了 CSV 文件）：

import pandas as pd
from sklearn.tree import DecisionTreeClassifier
from sklearn.model_selection import train_test_split

raw_data = pd.read_csv('binary classification examples')
data = pd.get_dummies(raw_data)
X = data[["UserId", "UserName_Lianne", "AppId"]]
y = data[["Purchased"]]
X_train, X_test, y_train, y_test = train_test_split(
        X, y, stratify=y, test_size=0.2)

我已经强制拆分在stratify=y火车和测试拆分中保持每个 y 类的相同份额：

>>> y_train
Out[40]: 
   Purchased
7          0
3          1
0          1
5          0
1          1
9          0
8          0
4          1

>>> y_test
Out[41]: 
   Purchased
2          1
6          0 

如您所见，训练和测试数据现在包含 50% 的项目，其中y==0和y==1。有了这些数据，aDecisionTreeClassifier可以轻松正确地对训练和测试数据进行分类：

model = DecisionTreeClassifier()
model.fit(X_train, y_train)
print("Train score: {}\tTest score: {}".format(
        model.score(X_train, y_train),
        model.score(X_test, y_test)))

给出以下分数：

Train score: 1.0        Test score: 1.0

我的 2 美分：这里使用的数据集中的记录数非常少。如果我们查看数据集，我们可以看到目标变量拆分正好是 50:50，这意味着概率是一半。这就像抛硬币得到正面或反面一样。

训练集包含一个已知的输出，模型在此数据上学习，以便稍后推广到其他数据。因变量和自变量应该在 splatted 中，然后进行训练测试拟合。

您也可以使用 scikit learn 中的库 from sklearn.model_selection import train_test_split

如果这就是你的数据看起来的样子，将用户分成训练示例和测试示例是个好主意，训练示例将包含具有所有相关应用程序信息的用户，并且在测试数据中，你会为你的模型提供大约 80% 的信息用户和模型必须填充 20%，在某些情况下，您必须以特定于问题的方式拆分数据