2.5　不匹配

图2.13 中的横轴是从2021年1月1日开始计算的天数，红色线是真实的数据，蓝色线是预测的结果.2月26日是 2021年观看次数最高的一天，与机器的预测差距非常大，误差为2580.几个模型不约而同地推测2月26日应该是个低点，但实际上，2月26日是一个峰值. 这不能怪模型，因为根据过去的数据，周五晚上大家都出去玩了. 但是2月26日出现了反常的情况，这种情况应该算是另一种错误形式——不匹配（mismatch）.

图2.13　另一种错误形式——不匹配

不匹配和过拟合不同，一般的过拟合可以用收集更多的数据来克服，但不匹配是指训练集和测试集的分布不同，训练集再增大其实也没有帮助了.假设在分训练集和测试集的时候，使用2020年的数据作为训练集，使用2021年的数据作为测试集，不匹配的问题可能就会很严重.因为2020年的数据和2021年的数据背后的分布不同.图2.14 演示了图像分类中的不匹配问题. 增加数据也不能让模型做得更好，所以这种问题要怎么解决、匹不匹配，要看对数据本身的理解. 我们可能要对训练集和测试集的产生方式有一些理解，才能判断模型是不是遇到了不匹配的情况.

图2.14　图像分类中的不匹配问题