我在数据集上（文本分类类型）训练了LSTM和决策树。我使用了K折交叉验证，K=10。

决策树准确率61%LSTM准确率90%

现在当我在完全未见过的数据上进行预测时，决策树的预测效果比LSTM更好。

为什么会这样？如果LSTM的准确率更高，为什么决策树在未见数据上的表现比LSTM更好呢？

回答：

你的LSTM模型在训练时的准确率可能比决策树高，但它在未见数据上表现不佳的事实表明，LSTM可能对训练数据过拟合了。尝试调整训练-验证数据的分割比例和批次大小，看看是否能改善你的模型。

训练过程中的验证损失可以指示哪个模型表现更好。你也可以尝试使用随机森林（决策树集群），它已被证明在效果上优于单个决策树。