使用随机森林回归预测时，测试集的数据趋势线总是小于1,有办法可以让效果得以改进吗

Question

问题遇到的现象和发生背景

在使用随机森林预测的时候，待评价的有5个指标，其中两个效果好，一个效果一般，两个效果不太好，在检查的过程中发现所有的训练集上
的数据都呈现斜率小于1的趋势，基本上都在0.6左右，我想知道是否有办法可以改善这个问题

问题相关代码，请勿粘贴截图

    df_train = pd.read_excel(r'E:\资料\伽马\标定相关性（更新）.xlsx', sheet_name='Sheet3')

    X = df_train.iloc[:, 3:6].values
    Y = df_train.iloc[:, 2:3].values
    X = X.astype('float32')
    Y = Y.astype('float32')
    
    x_train, x_test, y_train, y_test = train_test_split(X, Y, test_size=0.2, random_state=4825)
    ss_x = StandardScaler()
    x_train = ss_x.fit_transform(x_train)
    x_test = ss_x.fit_transform(x_test)

    rfr = RandomForestRegressor(random_state=1)
    rfr.fit(x_train, y_train.ravel())
    rfr_y_predict = rfr.predict(x_test).reshape(-1, 1)
    rfr_y_train = rfr.predict(x_train).reshape(-1, 1)

    R2_train = r2_score(y_train, rfr_y_train)
    RME_train = np.mean(abs((y_train - rfr_y_train) / y_train))#导师要求的评价指标平均相对误差

    R2_test = r2_score(y_test, rfr_y_predict)
    RME_test = np.mean(abs((y_test - rfr_y_predict) / y_test))#导师要求的评价指标平均相对误差

我想要达到的结果

能够像神经网络得到的结果一样斜率在1左右

Answer 1

你确定你的数据集和下面的神经网络的是同一个数据集？你这根本就是两个数据集了，同一个数据集再怎么划分离谱也不至于说将整体1的斜率划分成整体0.6的斜率吧