在機器學習中，過擬合（overfitting）是指模型在訓練數據上表現優異，但在新數據上卻無法泛化的現象。這種情況會導致模型失去預測能力，影響實際應用效果。因此，理解並避免過擬合對於提升模型的可靠性至關重要。