1. 过拟合
1.1 产生原因
- 训练集中的数据抽取错误，太少，或者不均衡，不足以有效代表业务逻辑或场景；
- 训练集中的数据噪音（异常值）干扰过大；
- 训练模型的“逻辑假设“到了模型应用时已经不能成立
- 参数太多，模型复杂度太高；
- 特征量太多，模型训练过度，比如决策树模型，神经网络模型
1.2 解决方法
- 减少特征数量
- 正则化
- 增大样本训练规模，采样均衡
- 简化模型
- 交叉验证
- 去除异常值
- Dropout
2. 欠拟合
1.1 产生原因
1.2 解决方法
数学模型的过拟合和欠拟合
原文：https://www.cnblogs.com/JTay/p/10206487.html
