首先，我对您的代码在做什么进行了可视化（请参见底部的代码）

该模型似乎完全正常。线性回归的系数接近于 0，应该说明您是如何创建数据的。

你误会了

regularized_logistic_regression_model.scores_

{1：阵列（[[0.47058824,0.47058824,0.47058824,0.47058824]，[1.，1.，1.，1.，1.，1.]，[0.6366364,0.63636364,0.63636364,0.63636364,0.63636364]）}

我引用 sklearn 文档：

score_dict：以类为键的字典，值作为在交叉验证每个折叠期间获得的分数网格

这是其中一个折叠的预测（请注意，如果增加 cv 参数，它会改变长度）

创建的数据已排序！如果您绘制 X 与索引的值，您可以看到

您得到这些结果是因为数据已排序！不仅仅是因为运气。如果你对数据进行洗牌，你将不会有完美的预测。

您的结果大约是 0.7，这实际上是通过查看我附加的图像才有意义的。

我打乱了数据，不是以最优雅的方式，但你现在得到不同的结果。

import matplotlib.pyplot as plt
import numpy as np
import pandas as pd
import seaborn as sns
from sklearn.linear_model import LogisticRegressionCV
from sklearn.linear_model import LogisticRegression
plt.style.use('seaborn-whitegrid')

def gen_y(x):
    p1 = np.clip(x + 0.5, 0, 1)
    v = np.random.uniform(0, 1)
    if v < p1:
        return 1
    return 0

np.random.seed(6)

x_data = np.sort(np.random.normal(0, 0.3, 100))
y_data = np.array([gen_y(x) for x in x_data])





df = pd.DataFrame(x_data.reshape(-1, 1),columns=['X'])
df['y']= y_data

plt.figure()
plt.title('Values of X vs Index')
df.X.plot()
plt.savefig('x')
plt.show()

df = df.sample(frac=1)


regularized_logistic_regression_model = LogisticRegressionCV( fit_intercept = False, cv = 3)

regularized_logistic_regression_model.fit(df['X'].values.reshape(-1, 1) , df['y'])




plt.figure()

df['results'] =regularized_logistic_regression_model.predict(df['X'].values.reshape(-1, 1))
plt.scatter(df[df['results']==0].y,df[df['results']==0].X,label='pred=0')
plt.scatter(df[df['results']==1].y,df[df['results']==1].X,label='pred=1')
plt.legend()
plt.hlines(y=regularized_logistic_regression_model.coef_.squeeze(),xmin=-0.1,xmax=1.1)
plt.savefig('ex')
plt.show()

regularized_logistic_regression_model.scores_

两个基本错误：

• 没有拦截
• 无乱序的排序数据

另外：相当小的数据集。

截距显着提高了逻辑回归的表达能力，尤其是在只有一个特征的问题中，比如这里。它的默认设置是有原因的True- 它是您最好不要混合使用的默认设置之一，除非您确切知道自己在做什么。在像这里这样的简单单变量情况下省略截距很容易想象：它迫使回归线穿过原点 (0, 0) - 一个巨大的约束。

在人工数据集的这种情况下，洗牌尤其重要，其中在某些时候对值进行了排序（就像您在此处所做的那样）。原因是，虽然 ML 模型可以非常擅长插值，但它们非常不擅长外插（预测超出其训练范围的值）；对于已排序的数据，您的每个验证 CV 折叠都尝试使用各自训练折叠之外的数据进行预测（不出所料，效果不佳）。

因此，只需对数据进行洗牌，并与这些数据进行拟合fit_intercept = True，我们得到：

from sklearn.utils import shuffle

x_s, y_s = shuffle(x_data, y_data, random_state=0)

regularized_logistic_regression_model = LogisticRegressionCV(
    Cs = np.array([10**-8, 10**-4, 1, 10**4, 10**8]), fit_intercept = True, cv = 3)

regularized_logistic_regression_model.fit(x_s.reshape(-1, 1), y_s)

print(regularized_logistic_regression_model.C_) 
print(regularized_logistic_regression_model.coef_) 
print(regularized_logistic_regression_model.scores_)

结果：

[10000.]
[[4.57770177]]
{1: array([[0.61764706, 0.61764706, 0.70588235, 0.67647059, 0.67647059],
       [0.60606061, 0.60606061, 0.78787879, 0.84848485, 0.84848485],
       [0.60606061, 0.60606061, 0.57575758, 0.72727273, 0.72727273]])}

已经比你报告的那些更明智了。

添加更多数据（300 个样本而不是 100 个），给出

[1.]
[[3.57243675]]
{1: array([[0.52, 0.52, 0.72, 0.72, 0.72],
       [0.52, 0.52, 0.68, 0.67, 0.67],
       [0.51, 0.51, 0.67, 0.66, 0.66]])}

最后说明：虽然洗牌通常是一种强烈推荐的做法，但在这里（根据定义，人工随机数据）如果您将初始数据保持原样（即不对其进行排序），则可以避免使用它：

x_data = np.random.normal(0, 0.3, 100) # no sorting

我将对此进行验证作为练习。