对测试结果进行详细分析，并编写测试报告，包括模型性能评估、错误分析及改进建议。
针对随机森林模型
1、模型性能
训练集得分 0.12387053768702816
测试集得分 -0.092199543
均方误差（MSE） 109.76692738027478
决定系数（R²） -0.092199543
2、错误分析
① 模型适用差：决定系数为负值，表明模型的预测效果比简单取均值还要差，模型几乎没有解释能力。均方误差（MSE）非常高，表明预测值与实际值之间的差异很大，模型的预测精度很差。
② 过拟合：训练集得分很低，说明模型在训练集上的拟合效果也很差。测试集得分为负值，进一步表明模型在未见过的数据上表现更差，模型的泛化能力极差。
③ 特征不足、数据质量差：综合以上的问题，可能是使用较差的数据进行了训练
3、改进建议
• 特征工程：重新审视并优化特征选择，确保所选特征对于预测年龄具有较强的关联性。
• 数据清洗：对于Your age列，确保所有值都是正确的整数，并处理任何异常值或缺失值。
• 模型选择：尝试其他类型的回归模型