欠拟合 Underfitting

欠拟合是指模型对训练数据拟合度较差的情形，通常用于模型学习和泛化能力的评估。

训练数据和评估模型有三种情况：欠拟合、适合、过拟合

欠拟合的影响

欠拟合通常出现在简单模型上，其无法体现出数据关系，进而导致机器学习模型无法得到较低训练误差，此外还可能由于特征集过少、数据集过少、抽样数据不合理等因素导致。

解决欠拟合的方法

• 寻找最优的权重初始化方案；
• 使用合适的激活函数；
• 选择适当的优化器和学习速率。

相关词：拟合、过拟合

参考来源

【1】https://docs.aws.amazon.com/zh_cn/machine-learning/latest/dg/model-fit-underfitting-vs-overfitting.html

【2】https://blog.ailemon.me/2018/04/09/deep-learning-the-ways-to-solve-underfitting/