模型过拟合训练集与测试集AUC相差多少

过拟合训练集和测试集AUC之间的差异因数据集和模型而异，通常情况下，过拟合的模型在训练集上表现非常好，但在测试集上表现较差，因为它们不能很好地泛化到新数据。在这种情况下，训练集AUC通常会比测试集AUC高得多。一般来说，如果训练集AUC比测试集AUC高出0.1或更多，则表明模型可能存在过拟合问题。但是，这个差距也可以因数据集大小、训练集和测试集的分布以及模型复杂度等因素而有所不同。因此，评估模型时，应该综合考虑训练集和测试集的AUC值以及它们之间的差异。