Overfitting and Underfiting

overfitting:有噪声的情况下对训练数据的完全拟合反而不具有很好的预测性。

Underfitting就是对数据的描述不够；overfitting恰恰相反，它对数据的描述太过细致。

对于Overfitting来说，它可能对于训练集的吻合度相当的高，但是这样的模型对于实际数据的效果就很有可能是比较的差了。当训练集比较的小，或者预测字段和前面的字段有冗余时就有可能产生 Overfitting的现象。当采用统计方法的时候容易产生 Underfitting 的现象。原因可能就是略去了一些重要字段的缘故。