过度拟合是指测试分数远低于训练分数，而后者很高。在这里你的测试分数是 0.92，这根本不是 bat，所以根据这个分数，这里没有过度拟合。要看到这一点，您可以将数据集的一部分用作验证集。这样，您将能够评估训练分数、测试分数和验证分数。

在同样的想法中，您可以使用交叉验证（如果您在此处使用 scikit ），它将您的数据集分成 k 折叠，其中 k-1 将用于训练，1 用于测试。然后重复此过程，以便将每个折叠用作测试集。

如果每次迭代的分数都不同，这可能意味着您过度拟合，如果不是，那么您可以说您的模型是稳健的

对于第二个问题，连续特征是什么意思？

我只回复第一个：

是的，在所有实际问题中，过度拟合是不可避免的。

原则上，每个模型都可能导致过拟合。过度拟合是你只能限制而永远不能消除的东西。这是因为给定任意数量的参数（在随机森林的情况下为树或迭代），您可以获得约 100% 的训练集匹配。

现在，在训练集包含宇宙中存在的所有样本的假设情况下，您可以使用该模型。

但正如你所知，这是不可能的。

因此，在现实生活中，您只有所有可能的现有数据的一小部分样本，您必须限制您的模型以便仅捕获数据的最重要特征，并留下细节（您的模型无法捕获）在后面。

模型试图在训练数据集中捕获的细节越多，它们就越有可能是训练集中实际存在的模式/结构，但通常不成立，因此模型无法与看不见的数据。

例如：假设您使用数据集训练猫分类器，其中一小部分图片显示沙发上的猫。如果你训练得太深，模型会得出结论，坐在沙发上是猫的特征，这当然是错误的。而如果你更保守，并且你训练模型的深度不够，你的模型将忽略细节“沙发”，专注于影响大多数猫的细节，这将导致你的模型更好地泛化。

在这里数据量有帮助：你拥有的越多，这些细节对模型就越明显。按照上面的例子，如果你的数据集中有很多沙发上不同的东西/动物的图片，它可以更好地解释沙发上的东西，因此可以进行深度训练，或者使用更多参数，从而增加它在训练集上的表现，同时在测试集上也保持良好的表现。