使用PuLP求解最大化正确分类的线性优化问题：阈值异常导致无正类分类的问题求助

看起来你遇到的核心问题是约束条件的逻辑搞反了，导致模型为了满足“最多100个误分类0”的限制，直接选择了最保守的可行解——把阈值设得极高，完全不触发正类分类。咱们一步步拆解问题，再修正代码：

一、问题出在这几个关键约束上 #

1. Z变量的逻辑约束完全写反了

你定义Z[j,i]是“样本j的特征i是否超过阈值”，但原来的约束Z[j, i] >= (data.iloc[j, i] - T[i])/M_large方向完全错误。这个约束会要求当data[j,i] >= T[i]时，Z必须大于等于一个正数，但Z是0/1变量，很多情况下无法满足，模型只能反过来把T[i]设得远大于data[j,i]，让data-T变成负数，这样约束自动满足（Z>=负数，而Z本身非负），结果就是Z全为0，自然没有样本被分类为1。

正确的做法是用大M法来表达“如果特征i被选中，那么Z[j,i]等于1当且仅当data[j,i] >= T[i]”：

• 当X[i]=1时：
  • 若data[j,i] >= T[i]，则Z[j,i]必须为1 → T[i] ≤ data.iloc[j,i] + M_large*(1 - Z[j,i])
  • 若data[j,i] < T[i]，则Z[j,i]必须为0 → data.iloc[j,i] ≤ T[i] + M_large*Z[j,i]
• 当X[i]=0时，Z[j,i]必须为0 → Z[j,i] ≤ X[i]（这部分你原来的是对的）

这里的M_large要选一个比数据范围大的数，比如你的数据是0-1之间的随机数，设成2就足够安全。

2. 阈值的上下界设置太宽松

你给T[i]设了-100到100的范围，但你的数据全是0-1，模型完全可以把阈值设到1以上，这样没有任何样本能超过阈值，自然不会有Y[j]=1的情况。把T[i]的上下界限制在数据的实际范围内（比如0到1），能避免这种极端情况。

3. 约束未考虑“未选中特征不参与逻辑”

虽然你有Z[j,i] ≤ X[i]，但最好在T的约束里也加入(1-X[i])*M_large的项，确保未选中的特征不会影响Z变量的逻辑，让模型更清晰。

二、修改后的完整代码 #

import pandas as pd
import numpy as np
from pulp import LpMaximize, LpProblem, LpVariable, lpSum, value


# Sample data
np.random.seed(42)
data = pd.DataFrame(np.random.rand(1000, 10), columns=[f'X{i}' for i in range(10)])  # 10 continuous indicators
data['target'] = np.random.choice([0, 1], size=1000, p=[0.7, 0.3])  # Binary target (30% ones)

# Parameters
M = 5  # Maximum number of selected indicators
S = 3  # Minimum number of indicators above threshold to classify as 1
max_false_positives = 100  # Maximum allowed misclassified 0s

# Get data bounds for T variables
data_min = data.min()
data_max = data.max()
M_large = 2  # Larger than the max range of data (0-1)

# Define model
model = LpProblem("Indicator_Selection", LpMaximize)

# Decision variables
X = {i: LpVariable(f'X_{i}', cat='Binary') for i in range(10)}  # Indicator selection
# Restrict T to data's actual range to avoid extreme values
T = {i: LpVariable(f'T_{i}', lowBound=data_min[f'X{i}'], upBound=data_max[f'X{i}'], cat='Continuous') for i in range(10)}
Y = {j: LpVariable(f'Y_{j}', cat='Binary') for j in range(len(data))}  # Predicted labels

# Auxiliary binary variables to represent whether each indicator exceeds its threshold
Z = {(j, i): LpVariable(f'Z_{j}_{i}', cat='Binary', lowBound=0, upBound=1) for j in range(len(data)) for i in X}

# Constraint: Select at most M indicators
model += lpSum(X[i] for i in X) <= M

# Constraints for Z[j,i]: link to data, T, and X[i]
for j in range(len(data)):
    for i in X:
        # If X[i] is 1, Z[j,i] = 1 iff data[j,i] >= T[i]
        # 1. Ensure T[i] <= data[j,i] when Z[j,i] = 1 (and X[i] =1)
        model += T[i] <= data.iloc[j, i] + M_large * (1 - Z[j,i]) + M_large * (1 - X[i])
        # 2. Ensure data[j,i] <= T[i] when Z[j,i] =0 (and X[i] =1)
        model += data.iloc[j, i] <= T[i] + M_large * Z[j,i] + M_large * (1 - X[i])
        # 3. If X[i] is 0, Z[j,i] must be 0
        model += Z[j,i] <= X[i]

# Constraint: Classification rule (Y[j] =1 only if at least S indicators are above threshold)
for j in range(len(data)):
    model += lpSum(Z[j,i] for i in X) >= S * Y[j]

# Constraint: Limit false positives (misclassified 0s)
false_positives = lpSum(Y[j] for j in range(len(data)) if data.iloc[j, 'target'] == 0)
model += false_positives <= max_false_positives

# Objective: Maximize true positives (correctly classified 1s)
true_positives = lpSum(Y[j] for j in range(len(data)) if data.iloc[j, 'target'] == 1)
model += true_positives

# Solve the model
model.solve()

# Output results
selected_features = [f'X{i}' for i in X if value(X[i]) == 1]
thresholds = {f'X{i}': round(value(T[i]), 4) for i in X if value(X[i]) == 1}
true_positives_count = int(value(true_positives))
false_positives_count = int(value(false_positives))

print(f"Selected features: {selected_features}")
print(f"Thresholds: {thresholds}")
print(f"True positives (correct 1s): {true_positives_count}")
print(f"False positives (misclassified 0s): {false_positives_count}")

# Check first 10 sample predictions
sample_predictions = [int(value(Y[j])) for j in range(10)]
print(f"First 10 predictions: {sample_predictions}")

三、修改后能解决问题的原因 #

1. Z变量的约束逻辑纠正：现在模型能正确判断样本是否超过阈值，不会再被迫设置极端阈值。
2. 阈值范围限制：T[i]被约束在数据的0-1范围内，避免了模型选到1以上的阈值。
3. 未选中特征的隔离：通过M_large*(1-X[i])项，确保未选中的特征不会干扰Z变量的逻辑判断。

运行这段代码后，你会看到模型会选中M个特征，设置合理的阈值，并且会有一定数量的正类被正确分类，同时误分类的0数量也会控制在100以内。

四、额外提示 #

因为你的样本数据是随机生成的，特征和target没有实际相关性，所以模型的分类效果可能不会特别好，但至少不会出现“没有样本被分类为1”的情况。如果是真实数据，特征和target有相关性，效果会更明显。

备注：内容来源于stack exchange，提问作者Marco Ballerini