过拟合/欠拟合：
模型对于训练数据拟合过于好（差），而对测试数据拟合差（差）——一般是模型学习能力过强/弱

避免：

“其他一些内容我就不讲了”

分布式机器学习

集中性建模问题：
数据集中收集后才能建模，隐私问题，系统性能，成本问题，安全问题（唯一中心）
现实：
数据分散性

分布式机器学习（联邦学习）
联邦平均算法（FedAvg）