想請問一個問題，盼各位高手解惑
我要把處理過後的資料，分成訓練集跟預測集，丟到一個SVM分類器，訓練集去讓分類器
學習，訓練後再把預測集丟到機器讓他預測，結果是好的，但是如果把新進的資料丟到機
器分類結果超怪
假設我有300筆資料，然後把他隨機分割成兩個，一個是訓練，一個是預測的，準確率很
好
把三百筆資料完全當訓練的，新的有30筆，結果卻很差
請問中間是出了什麼差錯？

這種事不是常常發生嗎

偷偷跟你說，我鄰居的小孩寫了300題理化，期中考30分

你datasets的size不一樣的話, 沒辦法比你得到的test error只是對於真正test error的估計,test data size越大, test error的估計會越準確.

overfitting?你acc.的變化是如何?

stratified sampling嗎你有做上面的事嗎

表示你取的資料特徵不夠好

應該因爲你新資料的特徵分佈跟訓練資料不同。一個是擴大訓練資料的分佈範圍。另一個是更好的特徵擷取。

所以你要做cross validation、調參數，甚至試試其他algorithm阿。也有可能sample不夠或沒有代表性。高度fit trainingdataset不代表就能精準預測training dataset以外的數據

overfitting 重新作train_test_split 也可以稍微看一下你的那300個和30個資料是不是長得不太一樣另外看看能不能增加資料量到1000以上的量級 幾百頗少

這就是要開始做EDA的節奏

簡單的說，你訓練集長的樣子，跟測試集差很多，就是兩個資料集分佈差異大。要嘛就是你樣本沒抽好，要嘛就是資料是有時間性的。

你的處理是怎樣處理，下採樣或過採樣的話，你有99.99%機率是過擬合

掰陳都是一直調參數調出來，你參數調的不夠多