为何循环中输出的Precision、Recall、F1值全部为1？

问题现象 #

运行包含循环的bootstrap函数时，生成的DataFrame中每一行的Precision、Recall、F1值均为1；移除循环后，程序能输出合理的指标数据。

代码示例 #

def bootstrap(x, Nboot):

    x = np.array(x)

    models = []
    resampled_stat = []
    precision = []
    recall = []
    f1 = []

    numb_rows = len(data)

    for k in range(Nboot):
        chosen_rows = np.random.choice(numb_rows, replace=True, size=numb_rows)
        bootstrap_sample = data.iloc[chosen_rows]

        resampled_stat.append(bootstrap_sample)

        X_train, X_test, Y_train, Y_test = train_test_split(x, y, test_size = 0.2, random_state = 1)

        model = tree.DecisionTreeClassifier().fit(X_train, Y_train)

        models.append(model)

        y_pred = model.predict(X_test)

        precision.append(metrics.precision_score(Y_test, y_pred, average="macro"))
        recall.append(metrics.recall_score(Y_test, y_pred, average="macro"))
        f1.append(metrics.f1_score(Y_test, y_pred, average="macro"))

    pred_df = pd.DataFrame(
        {
            "Precision": precision,
            "Recall": recall,
            "F1": f1,
            "Models": models,
        })   
    
    return pred_df

错误原因分析 #

• Bootstrap采样数据未被使用：循环内生成了重采样后的bootstrap_sample，但后续训练完全没用到这个数据集，依旧使用全局的x和y，等于循环只是重复执行同一套训练流程，没有实现Bootstrap的核心逻辑。
• 固定随机种子导致拆分完全一致：train_test_split设置了random_state=1，每次循环都会得到完全相同的训练集和测试集。如果这个固定拆分下模型能100%预测正确（比如数据集简单、模型过拟合训练集），就会所有指标都为1。
• 全局变量依赖问题：函数直接使用全局的data和y，没有通过参数传入，既破坏了函数封装性，还可能导致采样数据与训练数据不匹配。

修正方案 #

调整代码，确保每次循环用Bootstrap采样后的数据集训练，并优化随机种子设置：

def bootstrap(data, Nboot):
    # 假设data包含特征和标签，标签列名为'y'，可根据实际情况调整
    models = []
    resampled_stat = []
    precision = []
    recall = []
    f1 = []

    numb_rows = len(data)

    for k in range(Nboot):
        chosen_rows = np.random.choice(numb_rows, replace=True, size=numb_rows)
        bootstrap_sample = data.iloc[chosen_rows]

        resampled_stat.append(bootstrap_sample)

        # 从采样数据中提取特征和标签
        X = bootstrap_sample.drop('y', axis=1)
        y = bootstrap_sample['y']

        # 用循环变量k作为随机种子，保证每次拆分不同
        X_train, X_test, Y_train, Y_test = train_test_split(X, y, test_size=0.2, random_state=k)

        model = tree.DecisionTreeClassifier().fit(X_train, Y_train)
        models.append(model)

        y_pred = model.predict(X_test)

        precision.append(metrics.precision_score(Y_test, y_pred, average="macro"))
        recall.append(metrics.recall_score(Y_test, y_pred, average="macro"))
        f1.append(metrics.f1_score(Y_test, y_pred, average="macro"))

    pred_df = pd.DataFrame(
        {
            "Precision": precision,
            "Recall": recall,
            "F1": f1,
            "Models": models,
        })   
    
    return pred_df

关键修改点： #

• 将data作为参数传入函数，消除全局变量依赖
• 从bootstrap_sample中提取特征和标签，确保训练使用重采样后的数据集
• 把random_state设为循环变量k，保证每次循环的训练测试拆分不同，符合Bootstrap的随机性要求

内容的提问来源于stack exchange，提问作者tommy