（尤指统计/机器学习中）过拟合：模型把训练数据中的噪声、偶然模式也当成规律学到，导致对新数据（测试/真实场景）的泛化能力变差。也可泛指“对某个情境适配过度”，在其他情况下反而不适用。
/ˌoʊvərˈfɪt/
The model overfits when we train it for too many epochs.
如果我们训练的轮数太多，模型就会过拟合。
Although the algorithm achieved near-perfect accuracy on the training set, it overfit badly and failed to generalize to unseen data.
尽管该算法在训练集上几乎达到完美准确率，但它严重过拟合，无法泛化到未见过的数据。
over- 表示“过度、超过”，fit 表示“拟合、适配”。合起来就是“过度拟合/过度适配”。该词在统计学与机器学习语境中尤为常见，用来描述模型对训练数据“贴得太紧”的问题。
该词主要属于现代统计与计算机科学术语，较少出现在传统文学经典中；更常见于技术写作与科普类作品，例如：
Select Language