Machine learning 测试精度大于列车精度怎么办？

我使用的是随机森林。我的测试准确率是70%，另一方面，训练准确率是34%？怎么办？如何解决此问题。

测试

精度不应高于

训练

，因为模型针对后者进行了优化。这种行为可能发生的方式：

• 您没有使用相同的源数据集进行测试。您应该进行适当的列车/测试拆分，其中两个列车/测试具有相同的基础分布。很可能您为

  test

• 应用了不合理的高度规范化。即使如此，也需要一些“测试数据分布与列车数据分布不同”的元素，以使观察到的行为发生

---

首先，您应该检查用于培训的最终数据。我认为他们的数据有问题，数据可能没有经过适当的预处理

在这种情况下，你应该尝试更多的历元，并绘制学习曲线， 购买你可以分析的学习曲线，当你的模型要收敛时， 你应该检查这些东西：

验证和培训的准确性应该提高，损失应该减少

如果第1步在某个特定时期之后出错，那么只训练模型直到那个时期，因为在那个时期之后，模型已经过拟合了

---

欢迎来到SO。请更具体一点，并显示代码和数据。我同意@javadba，并想补充一点：另一个原因可能是数据污染，测试集中也存在来自列车组的记录。