当我使用randomForest函数对数据进行分类并预测测试数据时，准确性和kappa分别为0.96和0.95。为了优化，我选择了具有1000次迭代的rfSA方法的safs函数。用测试数据进行预测时，准确性和kappa小于分类本身。有人可以说为什么吗？由于优化过程，性能指标应显示出分类准确性的提高。我的数据是美国的事故记录，类别为“ FATALS”。
library(randomForest)
set.seed(1700)
forest <- randomForest(as.factor(FATALS) ~.,data=newtr, importance=TRUE)
predictionrf <-predict(forest, newte,type="class")
trf<-table(predictionrf,newte$FATALS,dnn=c("Predicted", "Actual"))
rfcm<- confusionMatrix(trf)
rfcm
sarfctrl<-safsControl(functions=rfSA,method="cv",number=10)
sarf <- safs(x = newtr[,-12], y = newtr[,12], iters = 1000,differences = TRUE,safsControl = sarfctrl)
sarfp<-predict(sarf,newte,type="class")
tsarfp<-table(sarfp$pred,newte$FATALS,dnn=c("Predicted", "Actual"))
sarfcm<-confusionMatrix(tsarfp)