什么是欠拟合和过拟合？——详解

过拟合和欠拟合到底会导致什么样的现象？

过拟合：
在训练数据的时候拟合是得当的，但在测试数据的时候结果较差。
欠拟合：
模型在训练数据和测试数据的时候表现都不好。
ipad随便画一下，凑合看吧。。。。。。
过拟合拟合的模型太复杂了，欠拟合就太简单了，数据有些特征部分没有拟合出来。

那么问题来了，怎么样才能让模型不产生或者更小几率产生过/欠拟合呢？
过拟合应对策略：

1. 增大数据量；
2. 正则化；
3. 降低模型复杂度。

欠拟合应对策略：

1. 加入新的特征；
2. 减小正则化系数；
3. 增加模型复杂度，过拟合降低，那欠拟合就是增加了。

如有错误或遗漏，欢迎私信批评指正。