模型可能无法达到完美性能的原因有很多：

• 正如 Oxbowerce 在评论中提到的那样，除了树深度之外，还有几个超参数可能会迫使模型进行泛化：每个叶子的最大实例数、修剪等。甚至有可能某些实现应用了一些泛化方法而不提供参数来控制它们。
• 数据集可能包含相互矛盾的证据，即具有相同特征值但标签不同的几个实例。这在分类数据中更为常见，但也可能在数值数据中发生。

有目的地过拟合模型是一个有趣的实验，但一般来说 ML 模型旨在从数据中进行泛化，因此它们不仅仅用于存储训练集中的所有数据（除了k-NN等惰性学习器）。所以不能保证他们能够准确地完全表示整个训练数据。