随机森林分类应用在预测外汇涨跌上，我做的模型为啥精度这么奇怪，求大神给解释下

Question

刚开始接触金融量化投资这块。导师让做一个随机森林的模型，数据是老师给的大概6000条的外汇交易数据（包含开盘、收盘，最高，最低价），利用这4个特征算出来另外11个特征，并且根据开盘和收盘价给数据打好了一列标签也就是Y。
（交易日期 开盘价 最高价 最低价 收盘价 MACD MACDsignal MACDhist MA10_talib RSI k d j upper middle lower div label）这些是所有的列名，相当于输入特征有15个，输出为y（label），y是判断1或者0或者-1；

随机森林部分代码如下：

from sklearn.ensemble import RandomForestClassifier
X_train,X_test,Y_train,Y_test= train_test_split(x,y,test_size=0.3,random_state=1)
rf = RandomForestClassifier(n_estimators=100, max_depth=20,bootstrap=True,random_state=1)#基分类器
rf.fit(X_train, Y_train)
print('Training set score:{:.3f}'.format(rf.score(X_train,Y_train)))
print('Test set score:{:.3f}'.format(rf.score(X_test,Y_test)))

输出结果如下：Training set score:1.000
Test set score:0.998

这结果搞得我有点怕。。。。。求大神给讲讲

Answer 1

我觉得出现这个结果的原因可能有两个：
1.数据质量比较好，这些数据可能都是前人整理清洗过的数据，用来做基础练习用的；
2.第二个问题我觉得是值得你注意的，在数据集划分阶段你只做了一次70%/30%的随机抽样，实验结果的偶然性和误差肯定较大，模型泛化能力可能较差。现在大家在做机器学习model selection的时候是常常会用K-fold交叉验证的方法，具体原理你可以去百度，这样结果更具说服力。
你可以在你的基础上加上这些代码，简单看一下，score平均都很高的话说明就是第一种情况：
from sklearn.model_selection import cross_val_score
scores = cross_val_score(rf, x, y, cv=10) #10折交叉验证
print(scores)