显然，这两条直线更好的描述了数据的特征，虽然其逼近误差还是比那些高阶多项式曲线的误差要大，但是这种方式的拟合可以更好的获取数据的发展趋势。相对于高阶多项式曲线的过拟合现象，对于低阶的曲线，由于没有很好的描述数据，而导致欠拟合的情形。所以为了更好的描述数据特征，使用2阶曲线来拟合数据，来避免过拟合和欠拟合现象的发生。

训练与测试

我们训练得到了一个模型，这里就是我们拟合的两个曲线。为了验证我们训练的模型是否准确，我们可以在最初训练时将一部分训练数据拿出来，当做测试数据来使用，而不仅仅通过逼近误差来判别模型好坏。

总结

这一小节作为机器学习小实验的引入，主要传递两点意思：

1、要训练一个学习器，必须理解和提炼数据，将注意力从算法转移到数据上

2、学习如何进行机器学习实验，不要混淆训练和测试数据