过拟合和欠拟合

1：过拟合
定义1（摘自周志华机器学习）：当学习器把训练样本学的“太好”了的时候，很可能已经把训练样本自身的一些特点当作了所有潜在样本都会具有的一般性质，这样就会导致泛化性能下降，这种现象称为过拟合。
定义2：具体表现就是最终模型在训练集上效果好；在测试集上效果差。模型泛化能力弱。
具体表现就是最终模型在训练集上效果好；在测试集上效果差。模型泛化能力弱。

避免过拟合的方法
·数据
1：从数据源头获取更多数据
2：dropout
3：数据增强
4：保留验证集
5：获取额外数据进行交叉熵验证
·模型
1：降低模型复杂度
...

欠拟合
欠拟合是指对训练样本的一般性质尚未学好。在训练集及测试集上的表现都不好。

欠拟合的原因
1）模型复杂度过低
2）特征量过少