某警局在使用机器学习模型预测犯罪风险时，发现模型在训练数据上表现良好，但在新的实际数据上预测准确率较低，这种现象被称为 ）。A. 过拟合B. 高偏差C. 欠拟合D. 高方差

本题考查机器学习中模型评估相关知识，解题思路是根据不同模型评估概念的特点，结合题目中模型在训练数据和新实际数据上的表现来判断属于哪种现象。

• 过拟合：过拟合是指模型在训练数据上表现非常好，能够很好地拟合训练数据中的各种特征和模式，但在新的、未见过的数据上表现较差。这是因为模型过度学习了训练数据中的噪声和细节，导致其泛化能力不足。在本题中，模型在训练数据上表现良好，但在新的实际数据上预测准确率较低，符合过拟合的特征。
• 高偏差：高偏差通常意味着模型过于简单，不能很好地捕捉数据中的复杂模式，导致在训练数据和测试数据上的表现都比较差，与题目中模型在训练数据上表现良好的情况不符。
• 欠拟合：欠拟合是指模型没有充分学习到数据中的特征和模式，在训练数据上的表现就不好，更不用说在新数据上的表现了，这与题目描述不一致。
• 高方差：高方差一般是指模型对训练数据的微小变化非常敏感，不同的训练数据可能会导致模型有很大的差异，但它并不直接等同于在训练数据上表现好而在新数据上表现差，所以也不符合本题情况。