在机器学习中,过拟合指模型在训练数据上表现良好,但在未见过的测试数据上表现较差。A. 对B. 错

过拟合是机器学习中的核心概念，指模型在训练数据上表现优异，但对未见过的测试数据预测能力下降的现象。本题直接考查对过拟合定义的理解，需明确其核心特征：训练表现好、泛化能力差。

过拟合的本质是模型过度依赖训练数据的噪声或细节，导致无法有效推广到新数据。题目中“训练数据上表现良好”对应过拟合的“过度学习”，“测试数据上表现较差”对应“泛化能力弱”，与定义完全一致。因此答案为A. 对。