我已经在我的数据集（文本分类类型）上训练了LSTM AND决策树。我已经使用k = 10的K-cross折叠验证。
决策树准确性61％ LSTM精度90％
现在，当我对完全看不见的数据进行预测时，与LSTM相比，决策树预测的结果更好。
为什么会这样？如果LSTM的准确性更高，那为什么与LSTM相比，决策树在看不见的数据上表现更好？
答案 0 :(得分：2)
您的LSTM模型在训练时可能比决策树具有更高的准确性，但事实是它不能很好地推广到看不见的数据，这表明LSTM过度适合训练数据。尝试调整训练验证的拆分和批次大小，以查看是否可以改善模型。
训练期间的验证损失将表明哪种模型更好。您还可以尝试使用随机森林（决策树集群），已知其效果比单独的一个决策树要好