学模型就像教小孩认数字。过拟合就是教得太死板，比如准确率95%以上但遇到新数字就蒙圈。欠拟合就像教得稀松，连1和7都分不清。

因为模型把训练数据背得滚瓜烂熟，连小数点后的0都记得清清楚楚，遇到新数据就抓瞎了。比如准确率95%以上但测试集才85%，说明学偏了。而欠拟合的模型就像只认1-9这九个数字，遇到0就卡壳。根据机器学习教材数据，过拟合模型在训练集误差低于0.1%时，测试集误差常超过5%。比如用100组数据训练的模型，过拟合时训练误差0.05%，测试误差却达8.3%。而欠拟合模型在训练集误差5%时，测试集误差可能超过12%。这就是为什么调参时要让训练误差和测试误差像双胞胎一样同步下降，既不能学太死也不能学太浅。