所有流行的评估指标（ROC-AUC、混淆矩阵等）都需要两个列表作为参数：与任意一组训练示例 ( x's ) 相关联的实际y标签列表，以及预测标签的并行列表由模型赋予那些x。

要构建此类列表，您必须将测试/验证数据集与您提供模型的训练集分开。但是，随机森林会自动划分您给它的训练集的 1/3 以计算袋外得分。我不相信你可以阻止导致这种情况的装袋过程，因为我认为这对随机森林的运作方式至关重要。因为 RF 模型永远不会看到 1/3 的训练集（由于 bagging），所以 RF 是否会创建一个不太彻底的数据集图像，例如，每当为评估保留测试集时，神经网络就会创建？