過度配適

過度配適（overfitting）是指模型把訓練資料學得太好，記住了它的隨機怪癖與雜訊，而不是底層真正的模式。明顯的徵兆是：模型在訓練過的資料上表現得漂亮極了，但在它從沒見過的新資料上卻表現很差。

對於參數多、資料少的靈活模型來說，這是核心危險——就像一個把考古題答案背起來、卻解不出新題目的學生。對抗它的方法有：保留測試資料、使用交叉驗證、簡化模型、蒐集更多資料，或施加正則化，讓模型不至於為了配上每一個點而扭曲變形。