Недообучение модели — называют обучение модели, которое ограничено потенциалом модели и/или обучающей выборки и/или самой процедурой обучения. Недообучение модели приводит к её плохому качеству как на обучающих данных, так и на тестовых.
Недообучение случается, когда модель слишком простая, чтобы аппроксимировать зависимость. В таких случаях говорят, что модели не хватает выразительной способности. Недообучение также может возникнуть, если объём данных слишком велик, и у модели не хватает параметров для их обработки. Или наоборот, если данных недостаточно для качественного обучения. Кроме того, недообучение часто связано с неоптимальной настройкой обучения: например при неверном подборе способа настройки параметров модели или недостаточном количестве шагов обучения.
[10 терминов, чтобы лучше понять нейросети/ (Электронный ресурс). Режим доступа: http:// sysblok.ru›nlp/10-slov-mashinnogo-obuchenija//, свободный]