即使有可能，它也可能不是 100%。但是，例如，线性模型可能无法表示数据中的非线性关系。或者您的功能不包含足够的信息来分隔所有类。

你的另一个问题似乎没有意义。如果你在测试数据上训练你的模型，测试数据就不再是测试数据了？！

有大量关于偏差方差权衡和过拟合的资源。

• 仅仅因为你在训练集上进行训练，并不意味着你过度拟合了你的模型。事实上，你必须在你的训练集上训练，这是定义。如果您使用测试集进行训练，那么它不是测试集。
• 避免过度拟合的常用方法是正则化。交叉验证是另一种可能性。还有很多很多其他的方法。
• 在训练、验证和测试集中都可以达到 100% 的准确率。这取决于您的问题和模型的复杂性。