# 評估分析（Evaluation）
- 模型訓練完後可是還沒結束的，我們需要分析我們的模型，所以我們要帶入我們先前切割好的 「驗證資料」valid data來進行評估，而後再以「測試資料」testing data來測試。

這個過程中我們需要分析模型的準確性，可以用MAE、MSE等方法
來比對我們資料的準確性，再進行調整參數。

#### 可能會發生的兩個現象，Overfitting與Underfitting。

### 何謂Overfitting？
- Overfitting稱為過度擬合或過度學習，意思就是過度的學習訓練資料，在訓練資料可以看到很漂亮的高準確率，但當機器接觸到沒見過的資料，效果就一落千丈。
- 舉個例子：在台大電機李弘毅教授的課程中以駕訓班為例，當你在駕訓班上課時，你會記住哪根桿子要打到底、到哪個角度要回正，學習這些事情後，你會發現你開得超好，完美的S型、倒車入庫，但當你實際去道路上，沒見過的路與停車格，你會發現完蛋，完全不是駕訓班的情況，然後就會爆炸，這就是過度擬合的例子

### 何謂Underfitting？
- Underfitting稱為低度擬合，與過度擬合相對而言，就是太低了，連在訓練資料與驗證資料我們給的答案都沒辦法有不錯的準確率，更不用說在沒看過的測試資料，一定會是很慘烈的準確率，造成這樣的狀況可能是特徵太少，或特徵的相關性太低。