Vol. 8 过拟合

过拟合是机器学习中一个常见的问题，它指的是模型在训练数据上表现得过于优越，以至于捕获了训练数据中的噪声和异常值，而未能学习到数据背后的真正规律。这导致模型在训练集上的性能很好，但在未见过的测试集或实际应用中表现却很差，即模型的泛化能力下降。