在尝试不同的机器学习模型时，预测列表总是会产生sam

Question

我试图在我的数据上比较不同的机器学习模型（奥斯汀动物收容所的收养数据）数据世界). 有趣的是，不管我使用什么模型（决策树、逻辑回归、随机森林），预测结果总是完全一样的。你知道吗

from sklearn import tree
modelDTC_Dog = tree.DecisionTreeClassifier(criterion='gini')
modelDTC_Dog.fit(df_Dog_X, df_Dog_y)
predictedDTC_Dog = modelDTC_Dog.predict(df_Dog_X)

from sklearn.linear_model import LogisticRegression
logreg = LogisticRegression()
logreg.fit(df_Dog_X, df_Dog_y)
logreg_predict = logreg.predict(df_Dog_X)

from sklearn.ensemble import RandomForestClassifier 
modelRFC = RandomForestClassifier(n_estimators=100, criterion='entropy')
modelRFC.fit(df_Dog_X, df_Dog_y)
predictedRFC = modelRFC.predict(df_Dog_X)

predictedDTC\u Dog、logreg\u predict和predictedRFC的值是相同的。我做错什么了？你知道吗