我首先做的是特征选择，在30~50db混合噪声环境下从25个特征中选择出4个特征，然后用这4个特征进行随机森林建模和训练，因为类别数（6类）、特征数（4个）和数据集（3000组）都比较小，所以选择树的个数为50，训练完后用该模型对50db噪声环境下的600组数据（每类100组）进行分类，结果全都正确。接着将树的个数增加到100，再对50db噪声环境下同样数据进行分类时，第四类完全分类错误，如果再增加数的个数，第一类有时都会出现分类出错，请问这是什么原因？是产生了过拟合吗？此外，set.seed函数设置不同的数值会对分类结果产生影响吗？