我有1个数据集（称为 train_plus_test.csv ），该数据集包含1275行，具有相应的列和标签，用于对“行走”和“躺着”两种活动进行分类。这是一个平衡的数据集，每个类的数目相同。
我在2种情况下实施随机森林
方案1：在 train_plus_test.csv 上进行训练，火车测试分度为0.75-0.25，它的准确度为91.8％
方案2：将上述文件 train_plus_test.csv 分为2个文件（ training.csv ），然后在（ testing.csv ）进行测试分成75％-25％。然后，我在 train.csv 上训练模型，并在 test.csv 上进行预测，但准确性为52％。我现在想知道我到底在哪里错？ @@
感谢您的阅读！
我在这里包括的python代码（如下）和上面的3个csv文件：
import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn import metrics
from sklearn.ensemble import RandomForestClassifier
# Scenario 1 ==================>
dataset = pd.read_csv('train_plus_test.csv')
feature_cols = list(dataset.columns.values)
feature_cols.remove('label')
X = dataset[feature_cols] # Features
y = dataset['label'] # Target
clf_RF = RandomForestClassifier(n_estimators=100,random_state=0,max_features=8,min_samples_leaf=3)
X_train,X_test,y_train,y_test = train_test_split(X,y,test_size = 0.25,random_state = 42)
clf_RF.fit(X_train,y_train)
y_pred_RF = clf_RF.predict(X_test)
print('accuracy of training')
print(metrics.accuracy_score(y_test,y_pred_RF))
# Scenario 2 ======= comment Secenario 1 before running the scenario 2 ===========>
train_dataset = pd.read_csv('train.csv')
test_dataset = pd.read_csv('test.csv')
feature_cols = list(train_dataset.columns.values)
feature_cols.remove('label')
clf_RF = RandomForestClassifier(n_estimators=100,min_samples_leaf=3 )
X = train_dataset[feature_cols] # Features
y = train_dataset['label'] # Target
clf_RF.fit(X,y)
X_test_data = test_dataset[feature_cols]
y_test_data = test_dataset['label']
y_test_pred = clf_RF.predict(X_test_data)
print('accuracy of testing')
print(metrics.accuracy_score(y_test_data,y_test_pred))