Subajuste (underfitting)

El subajuste (underfitting) ocurre cuando un modelo no logra capturar la relación que existe en los datos. A diferencia del sobreajuste, aquí el problema no es memorizar de más, sino aprender de menos: el modelo se equivoca mucho incluso con los ejemplos con los que se entrenó.

Las causas habituales son un modelo demasiado simple para la complejidad del problema (por ejemplo, una recta para describir una relación claramente curva), características poco informativas, un entrenamiento demasiado corto o una regularización excesiva que restringe tanto al modelo que no puede ajustarse. La señal típica es que el error de entrenamiento y el de validación son ambos altos y parecidos.

Para corregirlo se puede usar un modelo con más capacidad, agregar o construir mejores características, entrenar durante más épocas o relajar la regularización, siempre vigilando no pasarse al extremo opuesto. Encontrar el equilibrio entre subajuste y sobreajuste es una de las tareas centrales al ajustar hiperparámetros.

En estadística esto se relaciona con el llamado dilema sesgo-varianza: un modelo subajustado tiene alto sesgo (hace suposiciones demasiado rígidas), mientras que uno sobreajustado tiene alta varianza (cambia demasiado según los datos con que se entrene). Aquí «sesgo» es un término matemático y no debe confundirse con el sesgo algorítmico en sentido ético, aunque ambos pueden coexistir.