一、拟合1、拟合用在机器学习领域用来表示模型对样本点的拟合情况。2、欠拟合模型在训练集上表现很差、在测试集表现也很差。3、过拟合模型在训练集上表现很好、在测试集表现很差。二、模型表现效果 – 欠拟合欠拟合 – 从样本分布角度看欠拟合产生的原因模型过于简单。过拟合产的原因模型太过于复杂、数据不纯、训练数据太少。泛化 Generalization 模型在新数据集非训练数据上的表现好坏的能力。奥卡姆剃刀原则给定两个具有相同泛化误差的模型较简单的模型比较复杂的模型更可取。相同效果下选取成本较小的