Un model care prezice prețul mediu pentru fiecare casă, indiferent de dimensiune, locație sau vechime, este subadaptat. Nu a învățat suficientă structură pentru a fi util. Subadaptarea apare atunci când modelul este prea simplu, timpul de antrenament este prea scurt sau caracteristicile sunt prea slabe pentru a surprinde tiparul din date.

Simptomul este ușor de observat: performanță slabă pe setul de antrenament în sine. Spre deosebire de supraadaptare, unde un model memorează zgomotul și eșuează la datele noi, subadaptarea eșuează peste tot. O linie dreaptă care încearcă să se potrivească unei curbe va rata atât punctele de antrenament, cât și punctele de test.

Cauze tipice

• Capacitatea modelului este prea mică pentru complexitatea problemei
• Prea puține epoci de antrenament sau o rată de învățare care stagnează
• Caracteristici de intrare lipsă sau prost proiectate
• Regularizare excesivă care constrânge prea mult ponderile

Soluția constă de obicei în adăugarea de capacitate, antrenarea mai lungă sau alimentarea modelului cu date de intrare mai bune. Uneori, problema nu este deloc modelul, ci datele: dacă semnalul este îngropat în zgomot, nicio arhitectură nu îl va salva. Diagnosticarea din timp a subadaptării economisește săptămâni de reglaje irosite.