过拟合是指（ ）。
A: 在训练集表现非常好，但在测试集上表现很差
B: 在训练集表现非常好，但在测试集上表现也非常好
C: 在训练集表现非常差，但在测试集上表现也差
D: 在训练集表现非常差，但在测试集上表现非常好
A: 在训练集表现非常好，但在测试集上表现很差
B: 在训练集表现非常好，但在测试集上表现也非常好
C: 在训练集表现非常差，但在测试集上表现也差
D: 在训练集表现非常差，但在测试集上表现非常好
举一反三
- 以下描述的问题，哪一个是过拟合的表现？ A: 训练集和测试集的性能都较低 B: 训练集性能较低，测试集性能较高 C: 训练集性能较高，测试集性能较低 D: 训练集和测试集的性能都较高
- 过拟合在训练集上效果好，在测试集上效果差（ ）
- 一般地，不会把给定的整个数据集都用来训练模型，而是将其分成训练集和测试集两部分，使用训练集对模型进行训练或学习，然后把测试集输入训练好的模型并评估其表现。
- 在模型训练的时候为什么要将数据集拆分成训练集和测试集？（ ） A: 测试集与训练集数据不能有重复.防止过拟合 B: 需要划分测试集数据用来调参 C: 数据集太多.训练模型用不了这么多数据
- 如果一个训练好的模型在测试集上有100%的准确率， 这是不是意味着在一个新的数据集上，也会有同样好的表现？（）