过拟合overfitting

下面左图即为欠拟合，中图为合适的拟合，右图为过拟合。  过拟合：在模型参数拟合过程中，由于训练数据包含抽样误差，训练时复杂的模型将抽样误差也考虑在内（抽样误差也进行了拟合）。模型泛化能力弱，在训练集上效果好，在测试集上效果差。 导致过拟合的原因（包括但不限于如下几个）： 训练样本过少，不足以对整个样本空间进行分布估计;对模型进行过度训练（overtraining） ​避免过拟合的方法：early

>>阅读原文<<