我正在使用sklearn包来制作模型。

我尝试随机将一些参数设置为 a sklearn.ensemble.RandomForestClassifier，以便了解有关参数的想法以搜索未来的网格搜索。

好吧，这里是这次尝试的结果：

准确度：
培训：0.9209427371993345，测试：0.7035561005518087

显然，我知道这意味着模型过度拟合，因为它无法泛化到新数据。我知道交叉验证会更准确，因为不幸的是，测试集可能与训练集随机地相差太大，但这不是我在当前主题问题中所寻找的。此外，我尝试定位的两个类是不平衡的。Class 1比Class 0更多。

0 类：34% 的测试集/训练集，1 类：66% 的测试集/训练集。

所以因为它不平衡，我检查了精度和召回指标：

在测试集上：

+---------+-----------+--------+----------+----------+
| classes | precision | recall | F1-score | support  |
+---------+-----------+--------+----------+----------+
|       0 |      0.60 |   0.38 |     0.47 |     3326 |
|       1 |      0.73 |   0.87 |     0.80 |    6460  |
+---------+-----------+--------+----------+----------+

在训练集上：

+---------+-----------+--------+----------+----------+
| classes | precision | recall | F1-score | support  |
+---------+-----------+--------+----------+----------+
|       0 |      0.98 |   0.81 |     0.89 |   31265  |
|       1 |      0.91 |   0.99 |     0.95 |  59492   |
+---------+-----------+--------+----------+----------+

然后，在训练集上，我看到这两个类都得到了很好的预测。直觉上我认为：如果它在训练集上被很好地预测，这意味着特征足以分裂这两个类。所以，这只是参数设置的问题。但是直觉并不像好的经验那么有价值。因此，如果我的直觉是错误的，我要求这个社区更有经验的人，如果是，为什么会这样？

更新：

检查变量后，通过直方图显示训练集和测试集之间的分布相同。