एक ऐसा मॉडल जो आकार, स्थान या आयु की परवाह किए बिना हर घर की औसत कीमत का अनुमान लगाता है, वह अंडरफिटिंग है। उपयोगी होने के लिए इसमें पर्याप्त संरचनात्मक ज्ञान नहीं है। अंडरफिटिंग तब होती है जब मॉडल बहुत सरल होता है, प्रशिक्षण का समय बहुत कम होता है, या डेटा में मौजूद पैटर्न को पकड़ने के लिए विशेषताएँ बहुत कमजोर होती हैं।

इसका लक्षण आसानी से पहचाना जा सकता है: प्रशिक्षण सेट पर ही खराब प्रदर्शन। ओवरफिटिंग के विपरीत, जिसमें मॉडल शोर को याद कर लेता है और नए डेटा पर विफल हो जाता है, अंडरफिटिंग हर जगह विफल हो जाती है। एक सीधी रेखा जो वक्र को फिट करने का प्रयास करती है, वह प्रशिक्षण बिंदुओं और परीक्षण बिंदुओं दोनों को छोड़ देगी।

सामान्य कारण

• समस्या की जटिलता के हिसाब से मॉडल की क्षमता बहुत कम है।
• प्रशिक्षण अवधियों की संख्या बहुत कम होना या सीखने की दर का स्थिर हो जाना
• इनपुट सुविधाओं का अभाव या खराब इंजीनियरिंग
• अत्यधिक नियमितीकरण जो भारों को अत्यधिक रूप से सीमित करता है

इसका समाधान आमतौर पर क्षमता बढ़ाना, प्रशिक्षण अवधि बढ़ाना या मॉडल को बेहतर इनपुट देना होता है। कभी-कभी समस्या मॉडल में नहीं बल्कि डेटा में होती है: यदि सिग्नल शोर में दब गया है, तो कोई भी आर्किटेक्चर उसे ठीक नहीं कर सकता। अंडरफिटिंग का जल्दी पता लगाने से ट्यूनिंग में लगने वाले हफ्तों का समय बच जाता है।