Underfitting-ul este o problemă comună în învățarea automată care apare atunci când un model este prea simplu pentru a învăța relațiile sau tiparele relevante din datele de antrenament. În consecință, modelul are o performanță slabă atât pe setul de antrenament, cât și pe cel de testare, nereușind să generalizeze sau să facă predicții utile.
Această situație poate fi cauzată de:
un model cu prea puțini parametri (ex. regresie liniară pentru un proces nelinear)
antrenare insuficientă
caracteristici de intrare irelevante sau incomplete
Pentru a corecta underfitting-ul, se pot aplica strategii precum utilizarea unui model mai complex, creșterea timpului de antrenare, adăugarea de caracteristici relevante sau reducerea regularizării excesive. Scopul este obținerea unui echilibru între capacitatea de învățare și capacitatea de generalizare a modelului.
