泛化能力与模型的过拟合关系,如何理解模型的过拟合和欠拟合

泛化能力：模型或者分类器对未知新样本分类能力。

简单理解就是模型训练之后，对没有进行训练的数据集分类能力。

过拟合：过分追求模型对样本集分类的正确性，导致泛化能力下降。

简单理解就是在对样本集进行分类的时候，在边界区域难免还有分类错误的情况，是正常的，如果要求模型对样本集几乎接近100%的正确率，反而会造成模型本身对未知样本的分类能力急剧下降，所以模型最好在正确率和泛化能力做好平衡调节，才能优化模型。