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）