统计学上，后延续至机器学习（machine learning )中有一个很重要的概念 - overfitting. 我搜寻了一下，据说中文叫”过拟合”。

在处理信噪比的工作中，噪音 - 也就是数据中各种完全随机的误差，测量误差（尤其模拟信号），各种误导人的 outlier 等等，需要被大量高效地处理掉，其中对各种小怪癖的overfitting ，是最常见的致命错误。

Overfitting 就是训练模型错误地把噪音全部捡了起来当成了信号来判断，从而影响了对真正的趋势与底层数据的判断。结果就是这个模型会在现有的训练数据上表现优秀，但一旦有新的数据进来就彻底歇逼。换句话说，这个模型只能处理这一种情况，无法被推广到去处理其他数据。

很多人的脑子就是这样，overfitting 废了，对话三分钟后就发现他的模型只能处理一种数据，可能处理得相当不错，但也仅限于此。