过拟合与欠拟合：模型评估中最常见的两种偏差

过拟合指模型在训练集上表现很好，在未见数据上却明显变差。原因通常是模型过于复杂或训练数据太少，把噪声也当成规律学了进去。

欠拟合则是模型太简单，连训练集的基本规律都没学到。特征不足、模型容量不够或训练不充分，都会导致这种情况。

诊断方法是划分训练集、验证集和测试集。训练误差与验证误差都高，说明欠拟合；训练误差低而验证误差高，说明过拟合。

应对过拟合可以用正则化、早停、增加数据或降低模型复杂度。应对欠拟合则要增加特征、提升模型容量。先诊断再下药，比盲目调参有效得多。