預測所有房屋平均價格（無論房屋大小、地點或房齡）的模型是欠擬合的。它沒有學習到足夠的資料結構，因此無法有效發揮作用。當模型過於簡單、訓練時間過短或特徵不足以捕捉資料模式時，就會發生欠擬合。

症狀很容易辨識：模型在訓練集上的表現很差。與過度擬合（模型記憶雜訊而無法處理新資料）不同，欠擬合在所有資料集上都會失效。就像一條直線試圖擬合一條曲線，它既會錯過訓練點，也會錯過測試點。

典型原因

• 模型容量不足以應付問題的複雜性。
• 訓練輪數太少或學習率過低導致訓練停滯
• 缺失或設計不良的輸入功能
• 過度正則化導致權重約束過強。

通常的解決方法是增加模型容量、延長訓練時間或為模型提供更優質的輸入資料。有時問題根本不在於模型本身，而是資料：如果訊號被雜訊掩蓋，任何架構都無濟於事。及早診斷欠擬合問題可以避免數週的調優浪費時間。