我使用训练数据集来训练随机森林和神经网络（一个隐藏层）。然后我比较了两个系统在测试数据集上的表现。有趣的是，结果证明两者的预测概率大致相同。森林将 86% 的数据正确分类为 0 或 1 类，网络达到 85%。由于 0 类中有 75% 的数据，我对结果不太满意，希望有更好的结果。

然后我分析了哪些数据集分类错误。事实证明，存在很大的重叠：86% 的数据被森林分类错误，也被网络错误分类。然后我比较了森林和网络归因于这些测试样本的概率。此外，概率几乎总是具有可比性，因此当森林确定样本A属于类别 0 时，网络也确定 0 是正确的类别。此外，如果两个类别的森林概率都在 50% 左右，那么网络也“不确定”哪个类别是正确的。

这样的结果是不是很明显？有解释吗？