一个高准确率，先要问它是在什么条件下测出来的。
用一份公开的动作识别数据集（UCI HAR）教学子集训练，第一次就能拿到 约 93% 的验证得分，第二次换更重的档位能到 约 95.4%。 学生通常的反应是「那挺准的，能用了吧」。
但这份数据有一个关键事实：这 720 条样本来自 30 个不同的人， 而刚才是随机切成训练集和测试集的。
也就是说，同一个人可能既有数据在训练集里，也有数据在测试集里。 那模型学到的，到底是「走路这件事」，还是「这 30 个人各自走路的样子」？
这个现象叫 主体泄漏（subject leakage）。 后果是准确率虚高：模型在测试集上表现好，是因为它在训练时见过这个人， 而不是因为它学会了「走路」。
换一个从没见过的人来测，准确率就会掉下来。这正是 「实验室里 99%，上线后一塌糊涂」最常见的原因之一。
这份数据在学术界的标准做法是按人划分（21 人训练 / 9 人测试）， 而不是随机划分。上面那个教学子集没有保留受试者编号， 所以课堂上的 93% 是偏高的——这一点必须讲清楚，否则就是在教错的直觉。
还可以顺手做一个更硬的检查：把模型拿给一个没参与建模的同事， 用他自己的数据试一遍。掉多少，就是你的真实水平。
不是。同一份数据上，更重的档位把分数从 93.1% 抬到 95.4%， 代价是训练时间翻近一倍、模型体积从约 3.4 MB 涨到约 75 MB。
而如果这 93.1% 本身来自有泄漏的划分， 那 2.3 个百分点的提升，很可能只是在更用力地记住同一批人。 先修划分方式，再谈调档位——顺序反了，花的时间都是白花。
一句可以带走的话：一个高准确率，先要问它是在什么条件下测出来的。 数据怎么划分，决定了这个数字意味着什么。
流程本身见 《串口采的传感器数据，怎么不写代码训出一个模型？》； 训完之后拿到的东西到底是什么，见 《模型导出之后，到底怎么用？》。