首先，对不起，如果这是一个新手问题！对所有这些东西都比较陌生。在 Stack Overflow 上发布了这个，有人把我送到了这里！希望是对的地方。

无论如何，我正在使用 22 个数据集，每个数据集都有 180 个“Oddball”数据观察值和 720 个“标准”数据观察值。我正在尝试使用随机森林进行分类（即，oddball=1，standard=0）。我知道这两个因素应该有大致相等的试验/观察，但如果我使用 75% 的古怪数据，那么我几乎不会使用超过 18% 的标准数据。这些数据变化很大，我认为这可能是有问题的。

如果我制作了四个模型，每个模型仍然使用相同的训练数据，我是否过度拟合了我的模型？我写的还有很多，但这基本上是我想要做的：

jj = sample(1:180,(180*75),replace = F #Take 75% of all oddball data
kk = sample(181:900,(720*.75),replace = F) #Take 75% of all standard data
jj = sample(jj); kk = sample(kk) #Mix them up
kk = matrix(kk,4) #Divide the standard data so there are 4 sets of equal numbers for jj
  
samp1 = c(jj,kk[1,])
samp2 = c(jj,kk[2,])
samp3 = c(jj,kk[3,])
samp4 = c(jj,kk[4,])

然后，我将使用这些样本集中的每一个创建四个模型（同时不涉及样本外数据），并对它们的所有预测进行平均，从而给我一个“主”概率（即，0.8 的平均值将被视为怪人）。

这是过度拟合数据吗？使用随机森林时甚至可能过度拟合数据吗？这种直觉有​​问题吗？

感谢任何帮助的人！非常感谢您的时间和专业知识。