在搭載神經元網絡開始訓練模型同時，可能會面臨平常都執行得好好的，為何在評估資料時卻沒有達到預期效果？
你可能面臨了『過度配適』（Overfitting)，當模型過度擬合的同時，無法同時達到模型最佳化以及泛化（Generalization).
這也是個常見的補償現象。
如果你的模型過度擬合訓練資料（train data)，可以試著降低模型彈性，像是：
- 特徵選擇：考慮使用較少的特徵組合、減少 n 元語法的大小，以及減少數值屬性分箱數。
- 增加使用的正規化數量(Normalization/Regularization)