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?