有关overfitting和underfitting的具体解释
如果给出上图的6个点， 该如何选择上图曲线才能更好的反映实际的数据情况？
红色： 直线， 可以表示一定的数据， 但会造成大量数据丢失， 产生数据无法代表实际情况， 叫做underfitting。
蓝色：一元四次方程， 可以表达数据中所有的点， 但过于复杂，并且无法达到真实的数据预测， 最下面一个点可能是较大的人为误差，或则记录数据错误， 并不能反映真实的数据模型， 叫做overfitting。
绿色：虽然无法代表模型数据中的所有点， 但介于红色和蓝色之间， 可以更好的表达模型。实际中数据的获取可能有noise， 这样可以消除noise， 并能够避免模型太过复杂。noise是指在测量数据时， 比如读取温度计的温度， 测量的距离， 秒表测量时间都无法避免的误差。