De modo análogo, un aprendiz que no se adapta suficientemente bien a los datos de entrenamiento (como cuando hemos aproximado los datos con polinomios de grados 0 y 1) se dice que ha sido subentrenado ("underfitted" en la literatura en inglés):
Y, por supuesto, si un modelo no se ajusta a los datos de entrenamiento, tampoco debemos esperar que se ajuste a los datos de validación.
