一个预测所有房屋平均价格（无论房屋大小、位置或房龄）的模型是欠拟合的。它没有学习到足够的数据结构，因此无法有效发挥作用。当模型过于简单、训练时间过短或特征不足以捕捉数据模式时，就会发生欠拟合。

症状很容易识别：模型在训练集上的表现很差。与过拟合（模型记忆噪声而无法处理新数据）不同，欠拟合在所有数据集上都会失效。就像一条直线试图拟合一条曲线，它既会错过训练点，也会错过测试点。

典型原因

• 模型容量不足以应对问题的复杂性。
• 训练轮数太少或学习率过低导致训练停滞
• 缺失或设计不佳的输入功能
• 过度正则化导致权重约束过强。

通常的解决方法是增加模型容量、延长训练时间或为模型提供更优质的输入数据。有时问题根本不在于模型本身，而在于数据：如果信号被噪声掩盖，任何架构都无济于事。及早诊断欠拟合问题可以避免数周的调优浪费时间。