欠拟合：泛化能力差，训练样本集准确率低，测试样本集准确率低。
过拟合：泛化能力差，训练样本集准确率高，测试样本集准确率低。
合适的拟合程度：泛化能力强，训练样本集准确率高，测试样本集准确率高
欠拟合原因：
训练样本数量少
模型复杂度过低
参数还未收敛就停止循环
欠拟合的解决办法：
增加样本数量
增加模型参数，提高模型复杂度
增加循环次数
查看是否是学习率过高导致模型无法收敛
过拟合原因：
数据噪声太大
特征太多
模型太复杂
过拟合的解决办法：
清洗数据
减少模型参数，降低模型复杂度
增加惩罚因子（正则化），保留所有的特征，但是减少参数的大小。
