[机器学习笔记] 什么是欠拟合？什么是过拟合？

欠拟合，

就是训练程度不够，或训练样本太少，模型在训练数据上的预测效果很差，在新数据上的预测结果也非常糟糕。

过拟合，

就是在训练数据上的预测效果非常好，但是在新数据上的预测结果却非常糟糕。

如下图所示，横轴是模型复杂度，纵轴是预测误差。



其中，Bias 是预测偏差，variance 是模型复杂度惩罚项，total error 总体误差。

图片来源：http://www.sohu.com/a/202269297_99964548

可以看到，随着模型复杂度的升高，总体误差先降低后升高。

模型复杂度太低，就是欠拟合，此时预测偏差和总体误差都很高。

模型复杂度太高，就是过拟合，此时，预测偏差很小，但是总体误差很高。

我们在训练模型时，如果一味追求训练数据集上的预测效果（预测偏差很小），导致模型复杂度很高，结果在新的数据集上，预测效果很差。

为什么会这样？

通俗地解释就是，我们训练模型是让模型学习数据集中的一般规律，如果训练过度，导致模型把训练集中的特殊规律也学到了，但是新数据集中不存在这些特殊规律，模型在新数据集上的预测性能就会很差。