Jak objawiają się słabe modele?

Słabe modele w uczeniu maszynowym objawiają się niską dokładnością predykcji, słabą zdolnością do generalizacji i niemożnością uchwycenia złożonych zależności w danych. Zazwyczaj wyrażają się one w:

• Wysokim błędzie na danych treningowych (underfitting).
• Niemożności modelu do wyróżnienia istotnych cech.
• Prosty, liniowy lub zbyt ograniczony architektury, które nie mogą adekwatnie opisać danych.

Na przykład, jeśli model nie potrafi poprawnie sklasyfikować nawet prostych przykładów z zestawu treningowego, jest to oznaka słabego modelu.