我已经在我的数据集（文本分类的类型）上训练了LSTM和决策树。我使用了K-cross fold验证，k=10。
决策树准确率61%LSTM准确率90%。
现在，当我对完全看不见的数据进行预测时，决策树的预测效果比LSTM要好得多。
为什么会这样呢？如果LSTM的准确率更高，那么为什么决策树在未见过的数据上比LSTM表现得更好呢？
训练时，你的LSTM模型可能比决策树有更高的准确率，但事实上，它不能很好地泛化到未见数据，这表明LSTM对训练数据过度拟合。试着调整训练-验证分割和批次大小，看看是否能改善你的模型。
训练过程中的验证损失将表明哪个模型更好。你也可以尝试使用随机森林（决策树群），已知它比单独使用一棵决策树的结果更好。