判断一个模型错误是否因为模型简单，优化问题，过拟合。

首先，判断损失函数在训练集上的误差大小。误差大，可能有两种情况，一是模型不好，太过于简单。二是优化不行，比如梯度下降时，找到的是局部最优值，而不是全局最优值。

模型太简单。比如大海捞针，针却不在

如果在训练集上层数多的模型比层数低的模型的误差还要大，就说明不是过拟合，而是模型优化的问题。

过拟合。随着模型层数的增加，训练集的误差越来越小，但是测试集的误差，先减小后增加。这就输过拟合