Fenómeno en el que un modelo es demasiado simple para los datos, lo que resulta en un rendimiento deficiente en los datos de entrenamiento y prueba. El subajuste puede ocurrir cuando un modelo es demasiado restrictivo o cuando no tiene suficientes parámetros para capturar la complejidad de los datos. Esto puede llevar a una falta de capacidad del modelo para generalizar a datos nuevos y no vistos.