Logistic Regression测试集预测全为0但准确率超80%，求原因

核心原因：类别不平衡导致准确率失真 #

这是最常见的情况——你的数据集里无心脏病（类别0）的样本占比肯定超过了80%。准确率这个指标只看“猜对的样本数/总样本数”，如果测试集里80%以上都是类别0，哪怕模型啥都不学全猜0，自然能拿到80%的准确率，但这种模型完全没有实际价值。

其他可能的辅助原因 #

• 模型没学到有效区分特征：要么是特征和心脏病的关联性极弱，要么是特征预处理不到位（比如Logistic回归对特征尺度敏感，没做标准化的话，大尺度特征会主导模型，进一步偏向多数类），导致模型无法识别出正例（心脏病）的特征模式，只能默认预测占比更高的类别。
• 阈值设置不匹配：默认的0.5阈值在类别不平衡场景下不适用，但你这里连低于0.5的正例概率都没输出，说明核心问题还是类别不平衡，阈值调整只是后续优化的事。

解决思路 #

1. 先确认类别分布：用代码df['target'].value_counts(normalize=True)查看训练集、测试集里两类样本的占比，验证是否是不平衡问题。
2. 换用合适的评估指标：别再看准确率了，改用召回率、F1分数、ROC-AUC，这些指标能真实反映模型对少数类（心脏病）的识别能力。
3. 处理类别不平衡：
   • 训练模型时给LogisticRegression加参数class_weight='balanced'，让模型自动给少数类样本更高的权重；
   • 用SMOTE过采样生成少数类样本，或者对多数类做欠采样，平衡两类数据量。
4. 优化特征工程：重新筛选和目标变量相关性高的特征，做标准化/归一化，处理缺失值，让模型能学到有效区分模式。

内容的提问来源于stack exchange，提问作者6haun