请解释欠拟合的概念，并说明在实际建模过程中，如何区分过拟合与欠拟合这两种现象？

回答思路

1. 【回答框架 1】欠拟合指模型在训练集和验证集上表现都差，通常因模型过于简单或特征不足，未能捕捉数据内在规律。
2. 【回答框架 2】过拟合指模型在训练集表现好但验证集差，通常因模型过于复杂或训练数据不足，导致学习到噪声。
3. 【回答框架 3】判断方法：对比训练集与验证集误差。若两者误差都高，为欠拟合；若训练误差低而验证误差高，为过拟合。
4. 【回答框架 4】可结合学习曲线：欠拟合时两条曲线趋于高位平行，过拟合时训练曲线低而验证曲线高且差距大。
5. 【回答框架 5】处理策略：欠拟合增加模型复杂度或特征，过拟合采用正则化、交叉验证或增加数据。
6. 【关键点 1】欠拟合：训练与验证误差均高，模型过于简单。
7. 【关键点 2】过拟合：训练误差低，验证误差高，模型过于复杂。
8. 【关键点 3】判断核心是比较训练集与验证集误差差异。
9. 【关键点 4】学习曲线可直观区分两种状态。
10. 【关键点 5】过拟合常用正则化、早停、数据增强缓解。
11. 【易错点 1】不能仅凭训练误差低就判断过拟合，需结合验证误差。
12. 【易错点 2】欠拟合与数据噪声大可能混淆，需排除数据质量问题。
13. 【易错点 3】模型复杂度调整需逐步进行，避免过度矫正。