过拟合和欠拟合的区别

过拟合：其实就是训练的模型在训练样本中表现得过于优越，导致在验证数据集以及测试数据集中表现不佳，（训练时过于苛刻，比较挑剔）。
解决方案：增大网络规模；扩大训练集；正则化
欠拟合：可能训练样本被提取的特征比较少，导致训练出来的模型不能很好地匹配，表现得很差，甚至样本本身都无法高效的识别。（训练时不认真，要求不严格）