模型评估——过拟合与欠拟合

过拟合：模型对训练数据拟合过当。如模型过度复制，把噪声数据的特征也学习到模型中，导致模型泛化能力下降。反映到评估指标中，就是模型在训练集上表现的很好，但是测试集和新数据上表现的很差。

欠拟合：模型没有很好的捕捉到数据的特征，不能很好的拟合数据，在训练集以及测试集上表现的都不好。

降低过拟合风险的方法。

• 获得更多的数据
• 降低模型复杂度
• 正则化方法，给模型加上正则约束

降低欠拟合的方法

• 添加新特征
• 增加模型复杂度
• 减小正则化方法