Overfitting

释义 Definition

Overfitting（过拟合）：在机器学习/统计建模中，模型把训练数据中的“噪声”和偶然模式也当成规律学了进去，导致训练集表现很好，但在新数据（测试集/真实场景）上泛化能力变差。常见于模型过于复杂、数据量偏少或正则化不足等情况。（也可引申为“过度迎合某一组数据/情境”。）

发音 Pronunciation

/ˌoʊvərˈfɪtɪŋ/

例句 Examples

Overfitting happens when a model is too complex for the amount of data.
当模型相对于数据量过于复杂时，就容易发生过拟合。

The neural network achieved near-perfect accuracy on the training set, but its performance collapsed on the test set due to overfitting to small patterns and noise.
这个神经网络在训练集上几乎完美，但由于对细小模式和噪声过拟合，在测试集上的表现却大幅下滑。

词源 Etymology

over- 表示“过度”，fit 表示“拟合/贴合”，再加 -ing 构成名词/动名词，字面意思是“过度拟合”。该术语在统计学与机器学习语境中广泛使用，用来描述模型对训练数据“贴得太紧”而失去泛化能力的现象。

相关词 Related Words

• Bias
• Variance
• Generalization
• Regularization
• Underfitting
• Cross-Validation
• Noise
• Model

文学作品 Literary Works

• The Elements of Statistical Learning（Hastie, Tibshirani, Friedman）：在模型复杂度与泛化误差讨论中反复出现“overfitting/overfit”等概念。
• Pattern Recognition and Machine Learning（Christopher M. Bishop）：在概率模型、模型选择与正则化章节中系统讲解过拟合。
• An Introduction to Statistical Learning（James, Witten, Hastie, Tibshirani）：以直观案例解释过拟合与交叉验证、正则化的关系。