我正在尝试不同的建模方法，包括 KNN、决策树、神经网络和 SVN，并尝试拟合我的数据以查看哪种方法效果最好。令我惊讶的是，决策树在训练准确度为 1.0 和测试准确度为 0.5 时效果最佳。神经网络，我相信无论什么训练精度为 0.92 和测试精度为 0.42，它总是表现最好，比决策树分类器低 8%。

有人可以解释与决策树等建模技术相比，神经网络可能具有低准确性的情况/案例。我曾尝试使用不同配置的神经网络，例如：

1 hidden layer and 1 neuron : Train Accuracy 34% Test Accuracy 42%
7 hidden layers and 5 neurons in each layer: Train Accuracy 79% Test Accuracy 42%
1 hidden layer and 100 neurons: Train Accuracy 34% and Test Accuracy 35%

但不是在一个案例中，我发现神经网络的决策树测试准确率超过了 50%。