Недообучение — происходит, когда модель слишком проста и не может отразить сложность базовых данных, что приводит к снижению производительности как при обучении, так и при тестировании данных. Пример. Недообучение может происходить в линейной регрессии, деревьях решений и нейронных сетях.
[50 терминов искусственного интеллекта. (Электронный ресурс). Режим доступа: http:// pudie.ru›articles/704343/, свободный]
Недообучение – ситуация, когда алгоритм при обучении с учителем не дает удовлетворительно малой средней ошибки на обучающем множестве.
[Воронина, В. В. Теория и практика машинного обучения: учебное пособие / В. В. Воронина, А. В. Михеев, Н. Г. Ярушкина, К. В. Святов. – Ульяновск: УлГТУ, 2017. – 290 с.]
Недообучение — это ситуация, когда модель недостаточно хорошо подгоняет свои параметры под обучающие данные и не может извлечь полезную информацию из них.
[50 терминов для инженера машинного обучения. (Электронный ресурс). Режим доступа: http:// Pro-DGTL.ru›blog/razrabotka/tpost/4e93vbs2p1-50-/, свободный.]
Недообучение (underfitting) — <машинное обучение> создание модели, недостаточно соответствующей обучающим данным и генерирующей неверные результаты при использовании новых данных.
Примечание 1 — Недообучение может возникнуть при неверно выбранных признаках, при недостаточном времени на обучение или когда модель слишком проста для обучения на большом объеме обучающих данных ввиду ее ограниченной способности (т.е. выразительной силы).
[ПНСТ 838-2023/ИСО/МЭК 23053:2022. Искусственный интеллект. Структура описания систем искусственного интеллекта, использующих машинное обучение]