过拟合的定义是指模型预测结果与实际结果之间的偏差，过拟合的常见表现方式包括：模型精度太高，无法准确预测细微的特征；模型的泛化能力弱，即在多个数据集上预测结果都比较准确；模型的训练集范围过大或过小，导致预测结果的范围过大或过小；模型的训练缺乏多样性，即在多个数据集上的预测结果缺乏多样性；模型的预测结果与实际结果存在较大偏差，难以与实际情况完全相符。判断一个模型是否过拟合，可以通过综合考虑上述因素进行评估。