過度擬合的模型一定沒用嗎？

假設一個模型在訓練數據上的準確率是 100%，而在測試數據上的準確率是 70%。以下關於該模型的論點是否正確？

很明顯，這是一個過擬合的模型。通過減少過擬合可以提高測試精度。但是，這個模型仍然是一個有用的模型，因為它對測試數據具有可接受的準確性。

我認為這個論點是正確的。如果 70% 在特定應用中是可以接受的，那麼即使模型過擬合（更一般地說，不管它是否過擬合），它也是有用的。

在平衡過擬合和欠擬合關注最優性（尋找最佳解決方案）時，具有令人滿意的性能是關於充分性（模型對任務的性能是否足夠好？）。一個模型可以足夠好而不是最優的。

**編輯：**在 OP 下的 Firebug 和 Matthew Drury 的評論之後，我將補充一點，以判斷模型是否過度擬合而不知道驗證性能可能有問題。Firebug 建議比較驗證與測試性能來衡量過度擬合的數量。然而，當模型在訓練集上提供 100% 的準確度而在測試集上提供 100% 的準確度時，它是可能過度擬合的指標（尤其是在回歸的情況下，但不一定在分類中）。

引用自：https://stats.stackexchange.com/questions/278882