我叫@[人名]，是埃及的一名硕士研究生，我的论文研究领域是教育数据挖掘。我使用了AdaBoost和XGBoost技术来构建预测模型，以基于开放学习分析数据集（OLAD）预测学生的成功率。

分析背后的想法是尝试在不同特征组合上应用各种技术（包括集成和非集成技术），结果显示出了一些有趣的现象

结果：

问题是为什么在特定的特征组合中，某些技术的表现会比其他技术更好？特别是对于随机森林、XGB和ADA？

回答：

机器学习模型根据你想要近似的空间类型和函数类型可以获得不同的结果。你可以预期SVM在自然嵌入在希尔伯特空间的数据上取得最高分。另一方面，如果数据不适合这种空间（例如，许多分类且无序的特征），你可以预期提升树方法会优于SVM。

然而，如果我正确理解了“决策树准确性”是基于图片结果的单一决策树，我认为你的测试是在小数据集上进行的，或者你的提升和随机森林参数设置不正确。