• 过拟合：模型在训练集上的表现良好，但在新数据上表现不佳，泛化能力差。
  • 欠拟合：模型未能从训练集中学习足够的信息，在新数据上表现不理想。
  • 决策树的评估：使用交叉验证或划分数据集的方法来评估决策树的性能。