我有带有 8000 个观察值和许多不同列的 pandas 数据框 - 其中一些是日期和时间，它们被转换为虚拟变量（get_dummies），有些是数字，而 y 标签是我想要预测的，它有两个类：0 或1：

>>>y   x1     x2     x3     x4   10   11   12   13
0  1  0.532  0.431  0.214  0.11  0    0    1    0
1  0  0.512  0.410  0.340  0.09  0    1    0    0
...

我在 scikit learn 中使用了随机森林模型来预测 y 列（处理）是 1 还是 0。

结果让我感到惊讶，因为当我打印出准确度时，我得到了 -inf 并且我没有预料到这一点。

这就是我计算和运行射频的方式：

X = df.drop(['y',],axis=1)
y = df['y'].astype(int)


#split the data
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.25, random_state=123)

###Random forest

#function for evaluate:
def evaluate(model, test_features, test_labels):
    predictions = model.predict(test_features)
    errors = abs(predictions - test_labels)
    mape = 100 * np.mean(errors / test_labels)
    accuracy = 100 - mape
    print('Model Performance')
    print('Average Error: {:0.4f} degrees.'.format(np.mean(errors)))
    print('Accuracy = {:0.2f}%.'.format(accuracy))
    
    return accuracy

#random forest
from sklearn.ensemble import RandomForestClassifier
rfc = RandomForestClassifier()
rfc.fit(X_train,y_train)
predictions = rfc.predict(X_test)

base_model = RandomForestClassifier()
base_model.fit(X_train, y_train)
base_accuracy = evaluate(base_model, X_test, y_test)

>>>Model Performance
Average Error: 0.3290 degrees.
Accuracy = -inf%.

混淆矩阵如下所示：

所以我的问题是 -i​​nf% 准确度是什么意思？模型的问题在哪里？