正如您可能猜到的那样，欠拟合是过拟合的对立面:它发生在您的模型过于简单而无法了解数据的底层结构时。例如，生活满意度的线性模型倾向于欠拟合;现实比模型更复杂，所以它的预测必然是不准确的，甚至在训练样本上也很难准确。
解决这个问题的主要方法是：
选择一个更强大的模型，有更多的参数。
为学习算法提供更好的特性(特性工程)
减少模型上的约束(例如，减小正规化超参数)