欠拟合与过拟合 1.欠拟合 欠拟合:未能学好训练样本的普遍规律,训练误差较大。主要原因是:模型过于简单,没有较好的数据拟合能力,泛化能力较弱。 2.过拟合 过拟合:训练过度使泛化能力下降,主要原因是模型过于复杂,导致数据的学习过于模糊。 如图,欠拟合的模型非常简单,学习效果较差,很多数据点并没有学习上;过拟合,模型较复杂,学习深度过大,将干扰数据的特征都学习了,导则数据测试无法更好识别数据,泛化能力较弱。