过拟合和欠拟合到底会导致什么样的现象？
过拟合：
在训练数据的时候拟合是得当的，但在测试数据的时候结果较差。
欠拟合：
模型在训练数据和测试数据的时候表现都不好。
ipad随便画一下，凑合看吧。。。。。。
过拟合拟合的模型太复杂了，欠拟合就太简单了，数据有些特征部分没有拟合出来。
那么问题来了，怎么样才能让模型不产生或者更小几率产生过/欠拟合呢？
过拟合应对策略：
- 增大数据量；
- 正则化；
- 降低模型复杂度。
欠拟合应对策略：
- 加入新的特征；
- 减小正则化系数；
- 增加模型复杂度，过拟合降低，那欠拟合就是增加了。
如有错误或遗漏，欢迎私信批评指正。
