當模型的訓練誤差（Training Error）低、但測試誤差（Test Error）很大時，這通常是在訓練過程中產生下列哪一種情況？
iPAS 考題解析
當模型的訓練誤差（Training Error）低、但測試誤差（Test Error）很大時，這通常是在訓練過程中產生下列哪一種情況？
- A. 模型的泛化能力強
- B. 模型出現過度擬合（Overfitting） ✓ 正確答案
- C. 模型出現欠擬合（Underfitting）
- D. 訓練資料和測試資料之間沒有相關性
詳細解析
訓練誤差低但測試誤差大是過擬合（Overfitting）的標準特徵：模型過度學習了訓練資料的雜訊和特異性，無法泛化到新資料。欠擬合表現為訓練和測試誤差都高；泛化能力強的模型訓練和測試誤差都應接近。
出題年份：114 難度：★★☆