对于 LogisticRegression，我在 python 2.7（本地机器）和 python3（在 kaggle 上运行的系统）上的相同内核有不同的结果。怎么可能？
这是我本地机器的结果：
这里来自 kaggle 笔记本：
数据量不同，因为我对训练数据进行了更多拆分，但预测完全不同。这可能是因为python的版本吗？
python 2.7 和 3 上 LogisticRegression 的不同结果
数据挖掘
逻辑回归
python-3.x
2022-03-09 20:15:40
2个回答
假设您使用的是 sklearn，如果您转到github中的源代码， 您会发现它们没有区别。
但是你在其他地方有可变性。例如，sklearn 的 train_test_split 也采用随机种子，因此这些方法之间的数据可能存在根本不同（例如，您可以进行交叉验证以将所有数据包含在训练和测试中）
主要问题是序数数据转换。Python 2.7 以某种方式检测到序数数据并使用它。在 python3 中，我必须将序数数据转换为：
from sklearn.preprocessing import OrdinalEncoder
encoder = OrdinalEncoder()
train_df.F1 = encoder.fit_transform(train_df.F1.values.reshape(-1, 1))
现在它也适用于 python3 ！
其它你可能感兴趣的问题