拟合用来表示模型训练质量，有三种状态：拟合、欠拟合、过拟合。
拟合，形象理解：xy坐标轴的散点图，用趋势线去表示变化方向。指模型与样本的契合度。
欠拟合，模型在训练集中表现不好，测试集中表现不好。
过拟合，模型在训练集中表现太好，测试集中表现不好。
拟合达到最优的情况称为——泛化。这时模型在新的数据中表现也好。一般情况下，模型在训练集中学习越久，表现越好，但也越容易过拟合。
奥卡姆剃刀原则：解决相同问题的两个模型，都达到泛化状态，一般选择最简单的模型。