過擬合overfitting

下面左圖即爲欠擬合，中圖爲合適的擬合，右圖爲過擬合。  過擬合：在模型參數擬合過程中，由於訓練數據包含抽樣誤差，訓練時複雜的模型將抽樣誤差也考慮在內（抽樣誤差也進行了擬合）。模型泛化能力弱，在訓練集上效果好，在測試集上效果差。 導致過擬合的原因（包括但不限於如下幾個）： 訓練樣本過少，不足以對整個樣本空間進行分佈估計;對模型進行過度訓練（overtraining） ​避免過擬合的方法：early

>>阅读原文<<