所以这就是情况。
我有一个二元分类问题（比方说，观察是否会遇到动作x）。我在一个训练集上训练一个随机森林模型，其中约50％已经完成了动作x而50％没有。我在测试集上测试模型（同样，大约50％做了动作x，50％做了没有），它大约85％左右准确，整体错误率约为15％左右。一年过去了，我得到了新数据，我想看看模型是如何表现的。它预测大约9％的数据将经历行动x。事实上，9％的数据确实经历了行动x，但未能准确预测将经历行动x的个别观察。换句话说，它预测的个体观察将经历动作x实际上没有经历动作x。事实上经历过行动x的个人观察，模型并没有预测到这一点。
基本上，这意味着模型能够使聚合更正，但却未能在微观层面上做出准确的预测，这意味着什么呢？有关于如何发生这种情况的数学解释吗？也许与聚合概率有关？它在预测总数方面是否仍然有用？