在小数据集上的决策树（随机森林和随机树）分类。有问题？

Question

我使用决策树（随机森林和随机树）对小数据集65x9进行了分类。我有四个类，8个属性和65个实例。

我的应用程序是辅助机器人技术。因此，我从传感器数据中提取一些参数，我认为这些参数与用户在执行某项任务时进行分类相关。我从部署在轮椅上的传感器包中获取运动数据。我将某些动作分类为转动180度，并给我一个标记（从1到4）所以从传感器包和软件我提取的参数如速度，距离，时间，速度的标准偏差等相关用于运行的用户的分类。所以我的数据都是数字。

当我执行决策树分类时，我得到了这个结果

=== Classifier model (full training set) ===

Random forest of 10 trees, each constructed while considering 4 random features.
Out of bag error: 0.5231



Time taken to build model: 0.01 seconds

=== Evaluation on training set ===
=== Summary ===

Correctly Classified Instances          64               98.4615 %
Incorrectly Classified Instances         1                1.5385 %
Kappa statistic                          0.9791
Mean absolute error                      0.0715
Root mean squared error                  0.1243
Relative absolute error                 19.4396 %
Root relative squared error             29.0038 %
Total Number of Instances               65     

=== Detailed Accuracy By Class ===

               TP Rate   FP Rate   Precision   Recall  F-Measure   ROC Area  Class
                 1         0          1         1         1          1        c1
                 1         0          1         1         1          1        c2
                 0.952     0          1         0.952     0.976      1        c3
                 1         0.019      0.917     1         0.957      1        c4
Weighted Avg.    0.985     0.003      0.986     0.985     0.985      1    

=== Confusion Matrix ===

  a  b  c  d   <-- classified as
 14  0  0  0 |  a = c1
  0 19  0  0 |  b = c2
  0  0 20  1 |  c = c3
  0  0  0 11 |  d = c4

这太好了。我做错了吗？