Machine learning 如何检查决策树和朴素贝叶斯的准确性？

在不同症状的情况下，在决策树和朴素贝叶斯算法中表现出相同的准确性

我试图得到不同的准确度，但所有的结果都是一样的

这个项目是关于疾病预测的

#decision_tree

from sklearn import tree
from sklearn.metrics import accuracy_score

decision_tree = tree.DecisiontTreeClassifier()
decision_tree = decision_tree.fit(train_x,train_y)
res_pred = decision_tree.predict(x_test)
print(accuracy_score(y_test,res_pred))

#naive_bayes

from sklearn.naive_bayes import GaussuanNB
gnb = gnb.fit(train_x,np.ravel(train_y))

y_pred = gnb.predict(x_test)
print(accuracy_score(y_test,y_pred)

---

结果始终为0.9512195121951219

通常存在一些ML问题，这些问题非常简单，几乎每个模型都能在这些问题上同样出色地执行。要从两个模型中获得不同的结果，请尝试更改它们的超参数（如将决策树的最大深度设置为1）