拟合、过拟合、欠拟合

在学习机器学习、神经网络的时候，我们最开始学的内容之一就是过拟合和欠拟合的概念。而这一概念也将会伴随着机器学习的始终，下面我来帮助大家，也帮助我自己区分一下什么是拟合？什么是过拟合？什么是欠拟合？以及产生的原因和解决的方式。

---

1.什么是拟合？

拟合就是说这个曲线能不能很好的描述某些样本，并且有比较好的泛化能力，用形象的方式来说就是把平面上一系列的点，用一条光滑的曲线连接起来，并能很好的通过曲线走势预测点的位置。类似下图：

2.什么是过拟合？

在训练集中表现的特别优秀，贴合训练数据的特征，但是没有泛化能力，在新的数据集中无法做出准确的预测。

举个例子，如：我们提取一条狗的特征作为训练集，如下图。我们可以获取到的特征有：黄色，毛发微微卷曲，黑色眼睛，耳朵直立，耳朵小，尾巴短小，毛发长度，身高体重等等一系列特征。提取到的特征特别多，非常的契合这个训练集。