Различия между результатом алгоритма машинного обучения?

Я предполагаю, что точность, которую вы даете, исходит из процесса построения модели в вашем помеченном наборе данных. Это показывает, насколько хорошо обученные модели могут «воспроизводить» правильные метки ваших обучающих данных. Большая разница в количестве присвоенных меток вашим неизвестным немаркированным твитам, по-видимому, указывает на серьезные проблемы переобучения в ваших моделях. Это означает, что модели очень хорошо обучены воспроизводить обучающие данные, но не могут обобщать новые, неизвестные данные.

В качестве первого предложения проверьте шаги проверки. Существуют базовые методы, такие как перекрестная проверка, которые пытаются избежать переобучения, но есть много возможностей «обмануть» себя, внедрив знания о своем тестовом наборе в свои обучающие данные.

Однако без конкретной настройки процесса мы можем только строить догадки.