Model, který předpovídá průměrnou cenu pro každý dům bez ohledu na jeho velikost, umístění nebo stáří, je nedostatečně přizpůsobený (underfitting). Nenaučil se dostatečně strukturálně, aby byl užitečný. K nedostatečnému přizpůsobení dochází, když je model příliš jednoduchý, doba trénování příliš krátká nebo vlastnosti příliš slabé na to, aby zachytily daný vzorec v datech.

Příznak je snadno rozpoznatelný: špatný výkon na samotné trénovací sadě. Na rozdíl od overfittingu, kdy si model zapamatuje šum a selhává na nových datech, underfitting selhává všude. Přímka, která se snaží fit křivku, mine jak trénovací, tak testovací body.

Typické příčiny

• Kapacita modelu je vzhledem ke složitosti problému příliš nízká.
• Příliš málo tréninkových epoch nebo zastavení tempa učení
• Chybějící nebo špatně navržené vstupní funkce
• Nadměrná regularizace, která příliš omezuje váhy

Řešením je obvykle zvýšení kapacity, delší trénování nebo poskytnutí lepších vstupů modelu. Někdy problém vůbec nespočívá v modelu, ale v datech: pokud je signál zašuměn šumem, žádná architektura ho nezachrání. Včasná diagnostika nedostatečného přizpůsobení ušetří týdny zbytečného ladění.