过拟合

过拟合是指模型对训练数据符合的非常好，但是对于测试数据符合的很差。

原因：

1. 训练数据量不足，或者筛选方法不科学，训练数据无法代表整体，导致模型学习到的参数不适用于测试数据。
2. 模型阶数过高（复杂度过高），对可见数据进行了非常完美的拟合，包括噪声。

解决方法：

1. 增加训练数据或者更科学的帅选训练数据
2. 正则化，参考 正则化