Pycaret 3.3.0中compare_models()返回所有模型AUC为0的原因排查

• 极端类别不平衡：二分类任务里，若某一类样本占比接近100%，模型会直接预测占比高的类别，AUC计算会因正负样本分布严重失衡变为0。
• 目标变量编码异常：目标变量未按二分类要求编码（比如不是0/1二元标签，或所有标签值相同），模型无法区分类别，导致AUC为0。
• 数据预处理/划分错误：训练集/测试集的目标变量完全单一，或是预处理时误对目标变量做归一化、标准化操作，破坏了标签的二元属性。
• 版本特定Bug：PyCaret 3.3.0的compare_model()函数可能存在AUC计算逻辑漏洞，比如指标计算的参数传递错误，导致数值异常。
• 评估参数配置错误：调用compare_model()时，若设置了错误的评估参数（比如折叠策略导致样本分布异常，或禁用了正确的指标计算逻辑），也会引发该问题。

内容的提问来源于stack exchange，提问作者sunone5