过拟合、欠拟合
训练/泛化误差
训练误差（training error）和泛化误差（generalization error）。通俗来讲，前者指模型在训练数据集上表现出的误差，后者指模型在任意一个测试数据样本上表现出的误差的期望，并常常通过测试数据集上的误差来近似。
欠拟合
模型无法得到较低的训练误差，我们将这一现象称作欠拟合（underfitting）
过拟合
模型的训练误差远小于它在测试数据集上的误差，我们称该现象为过拟合（overfitting）
容易引起过拟合、欠拟合的其中两个因素：
模型复杂度
降低模型复杂度的两个方法
添加正则化项（L1、L2）
dropout
数据集大小
数据
