噪声代表了数据中的异常值

过拟合: 我们用模型去拟合数据, 但是在拟合的而过程当中, 不但会学习到数据中的规律, 也会学习到数据中的噪声. 所以说如果模型的学习能力太强, 那么就会学习到数据中的噪声信息,

这样的模型的表现:在训练集上面效果特别好, 但是在测试集或验证集上面表现非常差.也就是模型的泛化能力很差.

这个时候, 一般来说我们就认为模型过拟合了.