Python基于statsmodels做MNLogit建模仅显示7类目标变量中的6类

你遇到的两类类别缺失问题，不属于模型参数配置遗漏，是训练集类别采样不完整 + Statsmodels MNLogit的内置输出规则共同导致的。

问题根源拆解 #

• 编码后输出仅显示1-6类：OrdinalEncoder默认对排序后的类别从0开始顺次映射，原始7个quality类别（3、4、5、6、7、8、9）正常编码结果为0-6。你看到输出缺失最低类别的原因，是随机拆分的训练集中没有编码值为0对应的样本（也就是原始值为3的白葡萄酒样本）。
• 不编码直接训练时输出仅显示4-9类：逻辑和上述情况完全一致，无分层随机拆分时，所有原始值为3的样本刚好被全部分配到测试集，训练集中不存在该类样本。

Statsmodels的MNLogit内置规则明确：模型仅会对训练输入Y中实际存在样本的类别输出拟合结果，不会自动保留完整的类别全集。只要某个类别在训练集Y中0样本占比，模型就会直接跳过该类的计算和结果输出。

代码内的隐藏问题 #

• reduced_data.dropna()未将执行结果赋值回原变量，该行代码实际不生效。
• 定义model_1的drop语句缺少闭合右括号，会直接触发语法错误。
• 白葡萄酒数据集本身类别分布极度不均衡：原始数据中quality=3的样本仅20个，quality=9的样本仅5个，占比极低，无分层随机拆分时极易出现小样本类别完全落在测试集的情况。
• 可通过一行代码直接验证问题：拆分数据集后打印Y_train.unique()，输出的类别集合会和模型summary展示的类别完全一致。

修复方案 #

1. 拆分数据集时新增分层采样参数，保证拆分后训练集、测试集的类别分布和原始数据完全匹配，避免小样本类别被单边分配：

   X_train, X_test, Y_train, Y_test = train_test_split(
       model_1.drop(columns=['quality']), 
       model_1['quality'],
       test_size=0.25, 
       random_state=2,
       stratify=model_1['quality']  # 新增分层参数
   )
   

2. 无需刻意对quality字段做OrdinalEncoder编码，MNLogit本身支持任意整数、字符串格式的类别值，只要训练集包含对应类别的样本，就会正常输出拟合结果。
3. 补全代码中缺失的括号，将无效果的dropna行改为带赋值的写法：reduced_data = reduced_data.dropna()。

内容的提问来源于stack exchange，提问作者Number1Rock