概念Underfitting
欠拟合
机器学习中模型过于简单、无法学到训练数据基本规律的现象，表现为训练误差和测试误差均偏高，通常需增加模型复杂度或特征
时间轴 (近 90 天)
10月25日
欠拟合指模型过于简单，连训练数据的基本规律都未学到，训练误差和测试误差都偏高。
待验证50%
10月25日
决策边界过于简单可能导致欠拟合，过于曲折则可能过拟合。
待验证50%
9月12日
处理欠拟合的方法包括增加特征、换更强的模型、做特征工程；处理过拟合的方法包括加正则化、减少特征、增加数据或用交叉验证
待验证50%