完全有可能，尽管这可能意味着你没有尽可能多地训练。通常，当您查看随时间变化的测试/训练精度时，您会得到如下图：

测试/训练阶段可以（非常广泛地）分类如下：

• 首先你开始训练，测试/训练的准确性比较嘈杂，但它们之间的相关性非常强。这意味着你还没有完全适应这个问题。
• 随着时间的推移，它们都开始下降，但训练误差开始比测试误差下降得更快。这意味着你正在接近一个非常好的适合水平。
• 最终你开始看到测试集的错误率增加了，而训练集的错误率继续下降。这意味着你已经正式开始过拟合。

如果过度拟合成为问题，有很多方法可以处理过度拟合，但您选择算法和训练的目标应该是达到最高准确度，这通常发生在第二阶段的某个地方。

如果您的测试准确度高于您的训练准确度，那么您在训练图上的位置可能还很远。解决该问题有三个主要选项：

• 使用更适合小型数据集的算法（在不了解您的问题的情况下很难判断，但朴素贝叶斯通常是一个不错的小型数据选择）
• 更改您的模型常数以更适合您的训练集（提高学习率）
• 获取更多数据