过度和不合适
你能做的最适合的准确度是
100%
在你的训练集上。
这意味着您的模型学会了预测之前已经看到过的输入。
如果您遇到这种情况，您的测试集可能会表现很差。
您可以通过以下方式检测过度拟合：
训练集的高精度
训练和测试集之间存在很大差距
您可以通过以下方式检测欠配合：
训练集的准确度低（无论测试集的性能如何）
例子：
1）
training set score: 0.67
test set score: 0.66</code>
此示例在训练集上得分较低。因此，不合适似乎是一个公平的假设。
2）
training set score: 0.892
test set score: 0.876</code>
这个是解释。训练集上的分数非常高，并且在测试集方面存在差距。
如果两组中的例子非常相似，那么我会说有一些过度拟合。但是，如果两组完全不同（例如来自不同的来源），那么结果可以被认为是可接受的。
