我对随机森林模型（以及一般的数据科学）相当陌生，并且想知道我是否正在正确操作我创建的模型。

背景：我正在创建一个随机森林模型来预测员工自愿离职。

问题：测试集的准确度为 97%（AUC .992[这似乎太高了]，精确度：88%，召回率：99%）vs 训练集的准确度为 96%，但随着我们不断收到新的自愿终止，他们的基于模型的概率往往小于 0.1。IE，表示他们不会离开。

我想这是有道理的，因为在创建模型时，这些员工仍在组织内，因此模型准确地将他们归类为公司，但准确分类员工是否仍在组织中是没有帮助，我需要能够识别出那些离职概率较高的员工，这就是我对 RF 模型的理解（我之前使用逻辑回归模型做过）。

我能想到的可能解释：

1) 数据集似乎不太不平衡：8054 个非术语与 2158 个术语

2）过拟合？但是测试集的准确性并没有大幅下降

3）高相关预测变量？

附代码。

谢谢！