请分别概述导致模型过拟合和欠拟合的原因

导致模型过拟合的原因一般有以下几种：（1）训练数据过少，无法充分表现抽样样本特征（2）模型复杂度过高、参数过多，导致模型过于匹配训练数据，出现模型记忆训练数据，但泛化能力较弱的情况（3）训练数据中存在噪声或异常值，导致模型过分关注噪声和异常值特征，而非真正的关键特征。

导致模型欠拟合的原因多半是模型过于简单，导致模型不能很好地拟合训练数据。常见的原因有：（1）模型结构过于简单，如线性模型不能拟合具有非线性特征的数据集（2）训练数据中噪声较多，可能造成训练数据很难拟合、平滑的曲线（3）训练时的迭代次数太少，没有充分学习到数据的特征（4）特征选择不当，未能选取真正重要的特征，导致模型拥有了过多无关或或模糊的信息。