模型测试集准确率达100%是否正常？以随机森林与SVC为例

先明确：你看到的"测试集100%准确率"是代码逻辑错误导致的假象，实际情况是模型在训练集上达到了100%准确率，而测试集准确率是78%。

核心问题：代码里的评估逻辑完全搞反了 #

看你的clf函数代码：

def clf(model_clf,x_status, y_status,x_train, x_test, y_train, y_test):
    model_clf.fit(x_train, y_train)
    y_train_pred = model_clf.predict(x_test)  # 用测试集数据做预测
    y_test_pred= model_clf.predict(x_train)   # 用训练集数据做预测
    
    class_train_rep = classification_report(y_test,y_train_pred)
    print("Train:","\n",class_train_rep)  # 这里实际是测试集的评估结果
    
    class_test_rep = classification_report(y_train,y_test_pred)
    print("Test:","\n",class_test_rep)  # 这里实际是训练集的评估结果

正确的逻辑应该是：

• 训练集评估：用x_train预测，和y_train对比；
• 测试集评估：用x_test预测，和y_test对比。

所以你标注的"Train"报告其实是测试集的表现（RF的78%准确率），"Test"报告是训练集的表现（RF的100%准确率）。

训练集100%准确率是否合理？ #

对于Random Forest来说，这是完全可能的：

• 如果模型没有做过拟合限制（比如默认参数下树深度无限制），它可以通过构建足够多的决策树，完美拟合训练数据的所有样本特征与标签的映射；
• 但从测试集78%的准确率来看，这个模型已经出现了过拟合——在训练数据上表现完美，但面对未见过的测试数据时性能下降。

结论 #

你看到的测试集100%准确率是代码错误导致的误判，真实测试集准确率78%是合理的。训练集100%准确率虽然可能，但反映出模型泛化能力不足，建议调整Random Forest的参数（比如限制树深度max_depth、增加最小样本分割数min_samples_split）来缓解过拟合，提升测试集性能。

内容的提问来源于stack exchange，提问作者Keith Kamson