En modell som forutsier gjennomsnittsprisen for hvert hus, uavhengig av størrelse, beliggenhet eller alder, er undertilpasset. Den har ikke lært nok struktur til å være nyttig. Undertilpassing skjer når modellen er for enkel, treningstiden for kort, eller funksjonene for svake til å fange opp mønsteret i dataene.

Symptomet er lett å få øye på: dårlig ytelse på selve treningssettet. I motsetning til overtilpasning, der en modell husker støy og feiler på nye data, feiler undertilpasning overalt. En rett linje som prøver å tilpasse en kurve, vil bomme på både treningspunktene og testpunktene.

Typiske årsaker

• Modellkapasiteten er for lav i forhold til problemets kompleksitet
• For få treningsperioder eller en læringsrate som stopper opp
• Manglende eller dårlig konstruerte inndatafunksjoner
• Overdreven regularisering som begrenser vektene for mye

Løsningen er vanligvis å øke kapasiteten, trene lenger eller gi modellen bedre input. Noen ganger er problemet ikke modellen i det hele tatt, men dataene: hvis signalet er begravd i støy, vil ingen arkitektur redde det. Å diagnostisere undertilpasning tidlig sparer uker med bortkastet tuning.