使用预处理和标准化处理好的原数据集构建决策树模型进行分类划分完训练集测试集对模型评价显示准确率召回率精确度都在90以上为什么用原数据集里的数据进行分类判断都是一个结果实际上在原数据集里不是一个类

这可能是由于过拟合导致的。过拟合指模型在训练集上表现良好，但在测试集上表现不佳，即模型过于复杂，过度拟合了训练数据，无法泛化到新的数据集上。在决策树模型中，过拟合的表现为树的深度过深，分支过多，导致对训练集过度匹配，从而无法准确分类新的数据。为了避免过拟合，可以采用剪枝、交叉验证等方法。

原文地址: https://www.cveoy.top/t/topic/hgi8 著作权归作者所有。请勿转载和采集!