Machine Learning-过拟合和欠拟合问题

过拟合（训练样本自身特点及非一般特性当作重要特性）

模型学习的太好，记住了样本的非一般特性。个人理解为比如对人的特征（鼻、耳、嘴等）学习效果良好。假如训练数据为黄人和黑人的样本图片。模型可以在训练数据表现出色，根据特征进行分类。此时过拟合就是指训练过程中记着一些非重要特征。例如，黄人和黑人脚趾甲长度（这为非一般特征），从而预测新样本时。原本可以根据一般特征很轻易的预测是否黄种人。但是由于模型过于强大，预测失败。

欠拟合 

模型学习能力不够好，即学习到某些一般特性，假如只会根据鼻梁的高低程度来判别是否为黄种人

样本为：白种人

实际预测为：黄种人（误以为高鼻梁就是黄种人）