所谓过拟合（Overfit），是这样一种现象：一个假设在训练数据上能够获得比其他假设更好的拟合，但是在训练数据外的数据集上却不能很好的拟合数据。此时我们就叫这个假设出现了overfit的现象。
出现这种现象的主要原因是训练数据中存在噪音或者训练数据太少。
为什么会产生过拟合，有哪些方法可以预防或克服过拟合
原文：http://blog.csdn.net/keepreder/article/details/47280167
