從模型方面考慮，舉例說明，本身問題是二次的，用線性模型處理問題就是欠擬合，用三次及更高次處理問題就是過擬合。但是這裏未考慮數據量的多少，只是針對本身模型階次的考慮。而且現實問題，特別是深度模型處理的問題，並不是簡單的就能確定模型複雜度的。
我認爲可以這麼理解，處理相同的問題時，在數據量多的情況，可以用相對複雜的模型處理問題，在數據量少的情況下，可以用相對簡單的模型處理問題。 在這個基礎上理解論文中的這句話，有足夠的數據的時候可以防止模型過度過擬合。過擬合，當數據量太少時，模型無法完成充分的訓練，容易過度擬合的符合少量的訓練數據特徵，對測試數據效果不好；欠擬合，數據量太多，模型太簡單沒有充分的利用到數據。