我是机器学习的新手，一直在努力学习。我将药物成分数据作为自变量，将其功效值作为因变量。
我将它分成训练集和测试集（0.8:0.2）并将模型拟合到训练集。然后我尝试使用随机森林方法进行回归。
用于预测训练集的结果模型给出准确度为 0.97，测试集为 0.82。我一直在尝试更改射频参数，但这是我能达到的最高测试精度。
我还发现 OOB 得分为 0.85。
我的问题是，这种方法对吗？我一直在互联网上研究随机森林，发现随机森林的工作方式是通过装袋，因此模拟 CV。拆分数据是正确的做法吗？并且可以使用分数，或者OOB分数是要知道模型准确性的吗？也许两者兼而有之？
在横截面数据集（没有时间序列或面板数据）中，随机森林真实性能的 OOB 估计通常非常准确，在我看来甚至可以替代（交叉）验证。换句话说，在这种情况下，您可以相信 OOB 的准确性。这与 insample（训练集）准确性形成对比：通过构建，随机森林往往会在训练数据上过度拟合，因为单个树通常非常深且不稳定。所以不要被 97% 的样本内准确率/R 平方所吸引。
一个警告：根据您的描述，您已使用测试集来优化模型的超参数。这是不合适的。测试集的作用是对最终模型的性能有一个印象。所以你基本上只使用一次。在模型优化中使用保留测试样本没有意义。在测试数据上很容易过拟合！那将是单独的验证集、交叉验证或 OOB 信息的作用。
拆分数据的方式很好，但使用测试用例改进模型是不对的。
...但这是最高的测试精度...
你不能那样做。您应该查看交叉验证的准确性，即您的 OOB。
看看就好，但OOB通常被认为是最公正的方法。你应该考虑OOB除非你有充分的理由。