问答 · ANSWER
什么是过拟合和欠拟合？怎么解决？
直接回答
过拟合是模型在训练集上表现好但泛化能力差，欠拟合是模型在训练集和新数据上表现都不佳。解决过拟合可收集更多数据或降低模型复杂度（如正则化），解决欠拟合需增加模型复杂度。
关键要点
- 过拟合常因模型过于复杂或训练数据过少。
- 欠拟合常因模型过于简单。
- 正则化通过修改优化目标（损失函数+惩罚项）来控制模型复杂度。
- 正则化系数λ（或alpha）是平衡拟合与模型简单的超参数，需调优。
- 模型复杂度与测试集性能呈倒U型关系，存在最佳平衡点。
- 收集更多数据是解决过拟合最直接有效的方法之一。
怎么选 / 怎么做
判断过拟合：训练集误差小，测试集误差大。判断欠拟合：训练集和测试集误差都大。解决步骤：1. 诊断问题（对比训练集与测试集性能）。2. 若过拟合，尝试收集更多数据或降低模型复杂度（如使用正则化、选择更简单模型）。3. 若欠拟合，尝试增加模型复杂度。4. 通过调整超参数（如正则化系数）寻找最佳平衡点。
常见问题
什么是过拟合？
模型在训练集上表现好，但在新数据上表现差，失去泛化能力。
什么是欠拟合？
模型在训练集和新数据上表现都不佳，未捕捉数据规律。
怎么解决过拟合？
可收集更多数据，或使用正则化降低模型复杂度。
正则化系数λ的作用？
平衡拟合训练数据与保持模型简单，需人工调优。