XGBClassifier可提供100％的测试数据准确性吗？

如何解决XGBClassifier可提供100％的测试数据准确性吗？

我正在努力建立一个使用NASA数据集预测小行星危害性的模型。 数据集本身没有任何空值。在消除了不相关的功能（例如ID）之后，我只有几类属于日期时间的列。因此，我以这种方式将数据分为80条训练和20条测试：

X_train,X_test= np.split(X,[int(.80 *len(X))])
y_train,y_test= np.split(y,[int(.80 *len(X))])

然后，我制作了一个个性化的转换器来处理日期，为日，月和年创建新列，并从数据中删除了原始日期功能：

from sklearn.base import BaseEstimator

class DateProcessor(BaseEstimator):

    def __init__(self):
        pass

    def fit(self,documents,y=None):
        return self

    def transform(self,df):
        dateCols = ['Close Approach Date','Orbit Determination Date']
        new_df = df.copy()
        for col in dateCols:
        
            new_df[col] = pd.to_datetime(new_df[col],errors="coerce",format="%Y-%m-%d")
            #df.dropna(axis=1,subset=['date'],inplace=True)
        
            newColsDict = {'day': str(col) + " day",'month': str(col) + " month",'year': str(col) + " year"}
            new_df[newColsDict['day']] = new_df[col].dt.day
            new_df[newColsDict['month']] = new_df[col].dt.month
            new_df[newColsDict['year']] = new_df[col].dt.year
        
        new_df.drop(inplace=True,columns=dateCols)
        return new_df

之后，我制作了一个管道来预处理数据，然后使用XGBClassifier对其进行训练：

estimator = XGBClassifier(learning_rate=0.1)
model_pipeline = Pipeline(steps=[
                                ('process_dates',DateProcessor()),('XGBoost',estimator)
                                ])
model_pipeline.fit(X_train,y_train)

在训练之后，我尝试的每个得分指标都给出100％的准确性。我对AI的经验不是很丰富，但是我认为测试数据的100％准确性通常表明存在问题？ 我真的不知道是否存在某种形式的数据泄漏，数据污染或类似情况。 PD：我也尝试使用普通的train_test_split（结果相似），但是我在这里读到一篇文章，由于datetime功能的有序性质，这是不正确的。

我将指向完整代码的链接保留在我的github存储库中：NASA Asteroids Classification Model