欢迎来到社区！

我想到了几点：

• 检查每个块中的数据量，然后检查它们的分布。第一次体验可能是由于保留块中缺少足够的数据（即您实际上只是经过训练但未验证导致完全过拟合）或具有完全不同的分布（即块之间的差异不是随机的）。
• 确定你所说的“交叉验证”。如果您将 49 个块拆分为训练集和测试集，则它是交叉验证的最小版本。49个区块应该被分割成$k$不同的集合，每次他们中的一个扮演测试集的角色，然后最终的错误是对所有的平均$k$运行。这在统计上更稳健（第一次经验表明统计推断的稳健性存在问题）
• 第二个实验使用 100 个块而不是 50 个（第一个实验中的其他 50 个块在哪里？）所以首先，你有更多的数据，其次，你没有根据“块”（无论它们是什么）进行拆分，而是将所有块合并并随机选择训练、验证和测试。此过程降低了训练/有效/测试中分布偏差的危险，并且也可能表明这些“块”在统计上是不同的（它们的分布）

希望它有所帮助。请分享您的结果，以便每个人都可以从中学习。

祝你好运！