原文：http://blog.csdn.net/yhdzw/article/details/22733317

　　過擬合：1）簡單理解就是訓練樣本的得到的輸出和期望輸出基本一致，但是測試樣本輸出和測試樣本的期望輸出相差卻很大 。2）為了得到一致假設而使假設變得過度復雜稱為過擬合。想像某種學習算法產生了一個過擬合的分類器，這個分類器能夠百分之百的正確分類樣本數據（即再拿樣本中的文檔來給它，它絕對不會分錯），但也就為了能夠對樣本完全正確的分類，使得它的構造如此精細復雜，規則如此嚴格，以至于任何與樣本數據稍有不同的文檔它全都認為不屬于這個類別！

　　欠擬合：如果數據本身呈現二次型，故用一條二次曲線擬合會更好。但普通的PLS程序只提供線性方程供擬合之用。這就產生擬合不足即“欠擬合”現象，

?

轉載于:https://www.cnblogs.com/soulmate1023/p/5438192.html

總結

以上是生活随笔為你收集整理的overfit underfit的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。