第二次打卡

过拟合、欠拟合及其解决方案 过拟合和欠拟合 欠拟合（underfitting）：模型无法得到较低的训练误差。 过拟合（overfitting：模型的训练误差远小于它在测试数据集上的误差。 训练误差与泛化误差 训练误差（training error）：指模型在训练数据集上表现出的误差。 泛化误差（generalization error）：指模型在任意一个测试数据样本上表现出的误差的期望，并常常通过

>>阅读原文<<