1.如果一味追求提高对训练数据的预测能力,所选模型的复杂度则往往会比真模型更高,这种现象称为过拟合(over-fitting ). 2.过拟合是指学习时选择的模型所包含的参数过多,以致于出现这一模型对已知数据预测得很好,但对未知数据预测很差的现象. 3.可以说模型选择旨在避免过拟合并提高模型的预测能力.
过拟合
原文：http://www.cnblogs.com/chaoren399/p/4831788.html
