知乎看到壹個巧妙的回答，“妳太天真了”:擬合下；妳想太多了”:過度擬合，人類學習和機器學習是如此的相似。過擬合是指模型過擬合訓練數據的情況，反映在評價指標上就是在訓練集上表現很好，在測試集和新數據上表現很差。綜上所述，意味著模型泛化能力差，欠擬合意味著模型在訓練和預測方面表現不佳。過擬合和欠擬合也可以從偏差和方差的角度來解釋。欠擬合會導致高偏倚，過擬合會導致高方差，所以模型需要在偏倚和方差之間做出選擇。下圖顯示了模型的過擬合和欠擬合。
如上圖所示，我們的理想模型應該是低方差和低偏差，但實際上方差和偏差是兩個矛盾體，不能兼得。如下圖所示，模型復雜度與方差偏差有關。
本文是個人學習總結，參考了很多大神的博客和文章。不喜歡就別噴。如有錯誤，請指正。
zhi Hu-機器學習中防止過擬合的方法有哪些？
知乎——通過機器學習防止欠擬合和過擬合的方法
用通俗易懂的語言描述“過擬合”。