模型训练过程中的拟合问题

形象的说，拟合就是把平面上一系列的点，用一条光滑的曲线连接起来。因为这条曲线有无数种可能，从而有各种拟合方法。拟合的曲线一般可以用函数表示，根据这个函数的不同有不同的拟合名字。<<百度百科>>

通过一条函数曲线将样本数据中的各个点进行连接或者分割,寻找最优函数曲线的过程就是拟合的过程.

但凡事都不一定都会存在机制完美的一面,拟合也一样,拟合的过程也需要控制拟合的度,欠了不好,过了也不好,不管欠还是过都会导致在使用其组样本预测时的不准确.

拟合	过拟合	高方差	当前模型使用训练模型的数据进行预测时,准确率极高,使用另一组数据则准确率极速下降
	欠拟合	高偏差	当前模型训练的精度不够,在使用当前组数据和其他组数据进行预测时准确率都不高