Underfitting
When a model is too simple to capture the pattern, and is wrong on training and new data alike.
Le sous-apprentissage est l’échec inverse du surapprentissage : le modèle n’a pas assez appris. Les symptômes sont de mauvais scores partout, et les remèdes sont plus de capacité, de meilleures variables, un entraînement plus long ou un régulariseur moins agressif.
En pratique : Ajuster une droite à des données qui courbent manifestement.