Weka REPTree决策树测试输出与训练模型逻辑不一致问题

训练生成的模型结构 #

我用Weka中的REPTree分类器训练了一个决策树模型，生成的模型结构如下：

Has Pool? = FALSE
|   Spike Count < 4.5
|   |   Early/Pump Demand < 0.94 : 0 (265/3) [128/1]
|   |   Early/Pump Demand >= 0.94
|   |   |   1-hour delta/day < 0.6 : 0 (26/0) [15/0]
|   |   |   1-hour delta/day >= 0.6
|   |   |   |   Daily Usage < 40.29 : 2 (17/0) [9/0]
|   |   |   |   Daily Usage >= 40.29 : 0 (7/3) [3/1]
|   Spike Count >= 4.5
|   |   Early/Pump Demand < 0.66 : 0 (10/0) [7/1]
|   |   Early/Pump Demand >= 0.66 : 2 (108/2) [55/2]
Has Pool? = TRUE : 3 (82/0) [41/0]

测试集评估结果异常 #

在独立测试集上重新评估该模型时，没有任何测试实例被分类到'3'类别，尽管测试集中确实存在Has Pool? == True的实例。混淆矩阵如下：

a    b    c   <-- classified as
 2497   73    0 |    a = 0
    0    0    0 |    b = 2
    0    0    0 |    c = 3

类别c本应有85个实例。我在Excel中手动对测试集应用决策树逻辑，得到的各类别实例数量与模型输出不同。令我困惑的是，模型树的分支明确规定Has Pool? == True的实例应被分类为'3'，为何实际输出却不符？

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