Overfitting
过拟合是模型过度拟合训练数据噪声与细节，训练误差低但泛化误差高。
用途
识别与防止过拟合，提升模型泛化能力。
机制
模型复杂度过高时记忆训练数据而非学习规律。检测：训练误差远低于验证误差。防御：正则化、dropout、早停、数据增强、简化模型、集成。
用例
- 模型泛化
- 深度学习
- 模型选择
过拟合是模型过度拟合训练数据噪声与细节，训练误差低但泛化误差高。
识别与防止过拟合，提升模型泛化能力。
模型复杂度过高时记忆训练数据而非学习规律。检测：训练误差远低于验证误差。防御：正则化、dropout、早停、数据增强、简化模型、集成。