AI 术语表 · 基础 · 数据与评测
过拟合
过拟合是指 AI 模型过度贴合训练数据，在学过的数据上表现很好，但在没见过的数据上性能大幅下降的现象。
通俗解释 这就像一个不理解原理、只把历年真题答案整个背下来的学生。一模一样的题全都能答对，但数字稍微一变就做不出来了。
工作原理
模型本应从训练数据中学到普遍规律，但如果训练时间过长或学得过细，就会连数据中偶然混入的噪声和例外也记下来。这样一来，训练数据上的误差持续下降，没见过的数据上的误差反而上升。当模型相对于数据量过于复杂，或训练数据太少、分布偏向一侧时，尤其容易发生。反过来，模型过于简单、连基本模式都学不到的状态称为“欠拟合”。
为什么重要
构建 AI 的目的不是处理已经见过的数据，而是处理好今后进来的新数据。过拟合的模型往往在开发时看起来性能很好，到了实际服务中却达不到预期。因此，开发者会单独留出不用于训练的数据，用它来检验性能，判断是否过拟合。如果训练数据上的成绩和留出数据上的成绩差距很大，就要怀疑出现了过拟合。
须知
典型的应对方法包括：收集更多、更多样的数据；在性能不再提升时提前停止训练；以及给模型加约束、防止其过于复杂的“正则化”等。训练中随机关闭部分连接的“Dropout”在神经网络中也被广泛使用。基准测试题目混入训练数据的数据污染也会造成类似的假象，因为模型可能只是背下了题目而分数偏高，实际能力并没有那么强。
示例
假设某公司用内部客户咨询数据构建了一个咨询类型分类模型。开发阶段几乎全部分类正确，但实际使用时，涉及新上市商品或陌生表达的咨询经常分错。这是一个过拟合案例：模型只是记住了训练数据中的特定词语和句式习惯，没能把咨询的含义泛化。这种情况下，应收集更多样的咨询数据，并持续用未参与训练的数据检查性能。