拟合不足与过拟合

拟合不足

由于属性预测太少，决策树生长不足，导致训练集和预测及的误差均偏大。

过拟合

过拟合指训练误差较小，但测试集误差较大，即模型的泛化能力差，对未知样本预测误差较大，形成过拟合。
形成过拟合的原因有：
缺乏代表性样本
训练集样本规模过小
模型的复杂度过高