某警局在使用机器学习模型预测犯罪风险时，发现模型在训练数据上表现良好，但在新的实际数据上预测准确率较低，这种现象A. 高方差B. 欠拟合C. 过拟合D. 高偏差

本题考查机器学习中模型评估相关知识，解题的关键在于理解不同模型评估指标所对应的现象以及欠拟合、过拟合的概念，并根据题目中模型在训练数据和新实际数据上的表现来判断属于哪种情况。

• 欠拟合：指模型在训练数据上的表现就很差，不能很好地捕捉数据中的模式和规律，通常是由于模型过于简单，无法学习到数据的复杂特征。
• 过拟合：是指模型在训练数据上表现非常好，能够很好地拟合训练数据中的各种细节和噪声，但在新的、未见过的数据上表现不佳，因为它把训练数据中的噪声和偶然特征也当作普遍规律学习了进去。
• 高方差：一般与过拟合相关，意味着模型对训练数据的微小变化非常敏感，导致模型在不同训练集上的表现差异较大。
• 高偏差：通常与欠拟合相关，表明模型的预测值与真实值之间存在较大的系统性偏差。

在本题中，模型在训练数据上表现良好，说明模型能够很好地拟合训练数据；但在新的实际数据上预测准确率较低，这符合过拟合的特征，即模型过度学习了训练数据的特征，而不能很好地泛化到新的数据上。