不设random_state结果不稳定；stratify=y前须确保y各类样本数≥2；test_size需据y.value_counts()调整；小样本优先LinearSVC+StandardScaler或浅层随机森林；秩亏矩阵致预测nan；GridSearchCV的cv和n_splits需严格匹配数据规模。
sklearn.train_test_split 怎么分数据才不翻车
直接说结论：不设 random_state，每次跑结果都可能不一样；用 stratify=y 但没检查 y 是否含单类样本，会直接报错 ValueError: The least populated class in y has only 1 member。
常见错误是把原始数据一拆了事，比如训练集里缺某个类别，模型根本学不会判别——尤其在医疗、风控这类小样本不均衡场景里，一拆就废。
-
test_size别硬写0.2，先print(y.value_counts())看分布，类别最少的样本数如果 test_size=0.2 可能导致测试集为空 - 二分类且正样本极少时，优先用
stratify=y，但必须确保每个类在y中至少出现两次，否则 stratify 失效 - 时间序列数据不能用
train_test_split随机切，得用TimeSeriesSplit，否则信息泄露
fit() 报 AttributeError: 'NoneType' object has no attribute 'predict' 怎么查
这错误八成不是模型本身的问题，而是你漏掉了 fit() 这一步，或者 fit() 调用失败后没报错、返回了 None。
典型场景：调用 StandardScaler().fit(X_train) 后忘了赋值给变量，接着就拿没拟合过的 scaler 去 transform()；或者 LogisticRegression().fit(X, y) 里 X 是空 DataFrame，fit() 内部静默失败，返回 None。
立即学习“Python免费学习笔记（深入）”；
- 永远写成
scaler = StandardScaler().fit(X_train)，而不是StandardScaler().fit(X_train).transform(...)链式调用——链式容易忽略中间对象是否构建成功 - 在
fit()后加一句assert hasattr(model, 'classes_')（分类器）或'coef_' in model.__dict__（线性模型），快速验证是否真拟合上了 - 用
pd.isna(X).sum().sum()和np.isinf(X).sum()检查输入前的数据质量，fit()遇到 NaN/inf 往往不报错但返回None
RandomForestClassifier 和 SVC 在小数据上谁更稳
小数据（RandomForestClassifier 通常比 SVC 更省心，但不是因为“更强”，而是容错性高。
SVC 对特征缩放极度敏感，没做 StandardScaler 几乎必挂；而随机森林天生对量纲不敏感，还能自动处理缺失值（只要不是太多）。不过一旦样本维度 > 样本数，随机森林容易过拟合，这时候 SVC 反而可能更鲁棒。
- 小样本 + 高维稀疏特征（比如文本 TF-IDF）：优先试
LinearSVC，配StandardScaler，别用SVC(kernel='rbf')—— rbf 在小数据上超参难调，C和gamma稍一偏就全错 - 小样本 + 数值型低维特征：直接上
RandomForestClassifier(n_estimators=50, max_depth=3)，限制深度防过拟合，比默认参数更靠谱 - 两者都跑不通时，先看
X.shape和np.linalg.matrix_rank(X)，秩亏矩阵会让很多算法内部崩溃，不报明显错误但预测全 nan
GridSearchCV 找不到最优参数？先盯住 cv 参数
GridSearchCV 返回的 best_params_ 不可靠，常见原因是 cv 设置不当——默认 cv=5 在小数据上会导致每折样本太少，评估方差大，选出来的“最优”只是噪声。
另一个坑是用了 StratifiedKFold 但没传 n_splits，结果默认 n_splits=3，而你的标签只有两类、每类 4 个样本，第三折直接构造失败，GridSearchCV 却静默降级为普通 KFold，stratify 失效。
- 样本 cv=LeaveOneOut() 或
cv=2，避免某折里缺类别 - 用
StratifiedKFold时，务必显式写cv=StratifiedKFold(n_splits=3, shuffle=True, random_state=42)，别依赖默认值 - 搜索空间别堆太多组合，
param_grid={'C': [0.1, 1, 10], 'kernel': ['rbf', 'linear']}就够初学者用，加一个gamma组合，计算量翻倍但收益几乎为零
真正卡住入门者的，往往不是算法原理，而是 fit() 前那三行数据检查、train_test_split 里的 stratify 条件、还有 GridSearchCV 默认 cv 在小数据上的失效逻辑——这些地方没报红字错误，但模型早就歪了。
