El Subajuste (Underfitting) es un problema de aprendizaje automático que aparece cuando un modelo no consigue capturar suficientemente los patrones y las relaciones relevantes presentes en sus datos de entrenamiento.

Como consecuencia, el sistema puede obtener un rendimiento deficiente tanto sobre los ejemplos utilizados para entrenarlo como sobre observaciones nuevas.

Por ejemplo, una empresa quiere desarrollar un modelo capaz de predecir la demanda de productos utilizando información sobre precios, promociones, temporada y ventas históricas.

Si utiliza un modelo demasiado sencillo que solamente considera el precio, puede resultar incapaz de representar las relaciones que explican realmente la demanda.

El resultado puede ser un sistema que comete errores importantes incluso con los registros empleados para entrenarlo.

Este comportamiento se conoce como Underfitting.

El subajuste también puede producirse cuando un modelo tiene capacidad suficiente, pero no se ha entrenado adecuadamente, recibe características poco informativas o utiliza una regularización excesiva.

Por tanto, el problema no siempre se resuelve simplemente aumentando el tamaño o la complejidad del algoritmo.

En inteligencia artificial, es importante encontrar un equilibrio entre dos riesgos:

• Underfitting: el modelo aprende demasiado poco.
• Overfitting: el modelo se adapta excesivamente a los datos de entrenamiento.

El objetivo es construir sistemas que aprendan relaciones útiles y sean capaces de generalizar a información nueva.

En el ámbito de la Visibilidad en Inteligencia Artificial (AI Visibility), el subajuste puede afectar a los clasificadores que analizan respuestas de asistentes como ChatGPT, Gemini, Claude o Perplexity.

Un clasificador demasiado simple podría identificar la presencia de palabras como «recomiendo», pero ser incapaz de interpretar negaciones, condiciones y comparaciones.

Por ejemplo, podría clasificar incorrectamente la frase «No recomiendo esta plataforma» como una recomendación positiva.

En este artículo explicamos qué es Underfitting, cuáles son sus principales causas, cómo detectarlo mediante métricas y curvas de aprendizaje, qué métodos permiten reducirlo y cómo aplicar estas técnicas mediante Python.

¿Qué es el Subajuste?

El Subajuste ocurre cuando un modelo tiene una capacidad predictiva insuficiente para representar adecuadamente las relaciones relevantes de la tarea.

Puede aparecer porque el modelo es demasiado simple, porque el entrenamiento es insuficiente o porque la información disponible no permite identificar correctamente el objetivo.

Una característica habitual consiste en obtener resultados pobres tanto en entrenamiento como en validación.

Ejemplo

Los valores son ilustrativos.

Si el problema admite un rendimiento considerablemente superior y el modelo no consigue alcanzarlo ni durante entrenamiento, estos resultados pueden sugerir subajuste.

Sin embargo, no existe un umbral universal que permita diagnosticar Underfitting únicamente a partir de la exactitud.

La interpretación requiere conocer la distribución de clases, las métricas relevantes, la calidad de etiquetas y el rendimiento de modelos de referencia.

Definición breve: El Subajuste (Underfitting) es un problema de Machine Learning en el que un modelo no aprende suficientemente las relaciones relevantes de los datos, lo que produce un rendimiento deficiente incluso sobre el conjunto de entrenamiento.

¿Qué significa Underfitting?

Underfitting es el término inglés para Subajuste.

También pueden encontrarse expresiones como:

• Ajuste insuficiente.
• Modelo subajustado.
• Underfitting del modelo.
• Capacidad de aprendizaje insuficiente.
• Modelo con elevado sesgo, en determinados contextos.

El término relacionado más importante es Overfitting (Sobreajuste).

Ambos conceptos describen problemas diferentes.

Un modelo subajustado no representa suficientemente los patrones.

Un modelo sobreajustado se adapta demasiado a las peculiaridades de sus ejemplos de entrenamiento.

¿Por qué es importante comprender el Subajuste?

El subajuste puede provocar que un proyecto de inteligencia artificial fracase incluso cuando se dispone de datos de buena calidad.

Por ejemplo, un sistema puede utilizar miles de ejemplos etiquetados y aun así producir resultados deficientes porque su representación no contiene información suficiente.

Consecuencias posibles

• Predicciones imprecisas.
• Clasificaciones excesivamente simples.
• Incapacidad para reconocer patrones complejos.
• Errores sistemáticos.
• Bajo rendimiento en entrenamiento.
• Bajo rendimiento en validación.
• Dificultad para distinguir categorías.
• Pérdida de valor empresarial.

En determinadas aplicaciones, el subajuste puede hacer que un modelo prediga principalmente la categoría mayoritaria.

Esto puede producir una exactitud aparentemente aceptable mientras ignora clases importantes.

Por eso es necesario examinar el rendimiento más allá de una sola métrica.

Ejemplo sencillo: predecir una relación no lineal

Supongamos que queremos aprender la relación:

y = x²

Disponemos de observaciones como:

La relación tiene forma de parábola.

Si utilizamos un modelo lineal sencillo:

ŷ = ax + b

no podrá representar exactamente esa curvatura mediante una sola recta.

El modelo puede producir errores importantes incluso sobre los puntos conocidos.

Esto es un ejemplo conceptual de Underfitting debido a una clase de modelos demasiado restrictiva.

Posible solución

Podemos incorporar una característica cuadrática:

x²

Entonces, el modelo puede utilizar:

ŷ = ax² + bx + c

Esta representación tiene capacidad para expresar la relación del ejemplo.

Sin embargo, aumentar el grado polinómico indefinidamente puede introducir posteriormente sobreajuste.

¿Cómo reconocer un modelo subajustado?

Existen diferentes señales.

1. Error elevado en entrenamiento

El modelo no consigue ajustar adecuadamente los ejemplos conocidos.

2. Error elevado en validación

El rendimiento también es pobre sobre observaciones reservadas.

3. Diferencia pequeña entre entrenamiento y validación

Ambos conjuntos pueden mostrar resultados similares, pero deficientes.

4. Predicciones demasiado uniformes

El modelo produce respuestas muy parecidas para observaciones diferentes.

5. Incapacidad para representar relaciones conocidas

La arquitectura no puede modelar determinados patrones relevantes.

6. Mejoras al aumentar moderadamente la capacidad

Un modelo ligeramente más flexible puede obtener mejores resultados en entrenamiento y validación.

Estas señales deben evaluarse conjuntamente.

Una diferencia pequeña entre entrenamiento y validación no demuestra automáticamente Underfitting.

También puede ocurrir que la tarea sea intrínsecamente difícil o que las etiquetas presenten mucho ruido.

Diferencia entre Underfitting y Overfitting

Ejemplo de Underfitting

Training F1:

0,58

Validation F1:

0,56

Ejemplo de Overfitting

Training F1:

0,99

Validation F1:

0,69

Ejemplo de un ajuste razonable

Training F1:

0,87

Validation F1:

0,85

Los resultados son ejemplos ilustrativos.

La adecuación de un modelo depende del problema, las clases y la calidad de las observaciones.

¿Qué es el Sesgo (Bias) en Machine Learning?

El Bias, o sesgo en el contexto de la descomposición del error, describe errores sistemáticos asociados con el procedimiento de aprendizaje.

En el análisis clásico de sesgo-varianza, un modelo demasiado restrictivo puede presentar sesgo elevado porque no representa correctamente la relación subyacente.

Por ejemplo, una recta puede ser insuficiente para aproximar una relación parabólica.

El resultado muestra una desviación sistemática respecto a la función que se pretende aprender.

Importante

Este significado de Bias no es idéntico al de sesgo social, discriminación o falta de equidad.

Aunque ambos términos se utilizan en Machine Learning, pertenecen a contextos diferentes.

¿Qué es la Varianza (Variance)?

La Varianza describe, en un contexto clásico, la sensibilidad de un modelo a cambios en los datos de entrenamiento.

Un modelo muy flexible puede producir predicciones diferentes cuando se entrena con muestras distintas.

Esta sensibilidad puede contribuir al sobreajuste.

Por el contrario, ciertos modelos muy restrictivos muestran menor variabilidad entre entrenamientos, pero mayor sesgo sistemático.

Sin embargo, la relación no es universal y puede ser más compleja en arquitecturas modernas de Deep Learning.

¿Qué es el Bias–Variance Trade-off?

El Equilibrio entre Sesgo y Varianza (Bias–Variance Trade-off) es un concepto que ayuda a comprender la relación entre flexibilidad del modelo y error predictivo.

En un marco clásico de regresión con pérdida cuadrática, el error esperado puede descomponerse en componentes asociados con:

• Sesgo al cuadrado.
• Varianza.
• Ruido irreducible.

La finalidad no consiste en eliminar completamente sesgo o varianza, sino en encontrar un procedimiento que generalice adecuadamente.

Modelo muy simple

Puede tener elevado sesgo.

Modelo demasiado flexible

Puede presentar elevada varianza.

Modelo apropiado

Busca una capacidad adecuada para los patrones y los datos disponibles.

¿Cuáles son las principales causas del Subajuste?

El subajuste puede aparecer por diferentes motivos.

1. Modelo demasiado simple

Una arquitectura puede no disponer de suficiente capacidad para representar las relaciones del problema.

Ejemplo

Utilizar regresión lineal simple para una relación altamente no lineal.

Posible solución

Comparar modelos más flexibles o añadir transformaciones apropiadas.

Por ejemplo:

• Características polinómicas.
• Árboles de decisión.
• Modelos con kernels.
• Redes neuronales, cuando corresponda.

Sin embargo, la complejidad adicional debe justificarse mediante evaluación.

2. Características insuficientes

Un modelo solo puede aprender utilizando la información que recibe.

Por ejemplo, una aplicación quiere predecir la cancelación de suscripciones, pero únicamente utiliza el país del cliente.

Si el comportamiento depende principalmente de antigüedad, uso del producto y problemas de soporte, la información disponible puede ser insuficiente.

Posibles soluciones

• Incorporar variables relevantes.
• Mejorar Feature Engineering.
• Extraer información de otras fuentes autorizadas.
• Revisar la definición de las características.

La utilidad de las nuevas variables debe comprobarse mediante validación.

3. Representaciones inadecuadas

Los datos pueden contener información suficiente, pero estar representados de manera poco útil.

Ejemplo

Un clasificador textual utiliza únicamente una lista muy pequeña de palabras.

Puede reconocer «recomiendo» y «precio», pero no interpretar otras expresiones.

Posibles soluciones

• Utilizar n-grams.
• Incorporar características contextuales.
• Comparar TF-IDF con embeddings.
• Evaluar modelos de lenguaje especializados.

La mejor representación depende del objetivo.

4. Regularización excesiva

La Regularización controla la complejidad de los modelos.

Sin embargo, una penalización demasiado fuerte puede restringir excesivamente el aprendizaje.

Ejemplo

Una regresión logística con penalización L2 muy intensa puede aprender coeficientes demasiado próximos a cero para distinguir adecuadamente las clases.

Posible solución

Reducir la intensidad de regularización mediante una búsqueda controlada de hiperparámetros.

En scikit-learn, para LogisticRegression con regularización L2, un valor mayor de C representa una regularización menos intensa.

5. Entrenamiento insuficiente

Algunos modelos necesitan un procedimiento iterativo para ajustar sus parámetros.

Por ejemplo, una red neuronal puede necesitar múltiples épocas.

Si el entrenamiento finaliza demasiado pronto, el modelo podría no alcanzar una configuración adecuada.

Señales

• La pérdida de entrenamiento continúa descendiendo.
• La métrica de entrenamiento sigue mejorando.
• No aparecen señales claras de sobreajuste.
• El optimizador no ha convergido.

Posibles soluciones

• Aumentar el número de épocas.
• Ajustar el optimizador.
• Revisar la tasa de aprendizaje.
• Comprobar la convergencia.

Sin embargo, entrenar durante más tiempo no garantiza mejores resultados.

6. Learning Rate inadecuado

La Tasa de Aprendizaje (Learning Rate) controla el tamaño de determinadas actualizaciones de parámetros.

Learning Rate demasiado pequeño

El entrenamiento puede avanzar lentamente.

Si se detiene pronto, el modelo puede permanecer insuficientemente ajustado.

Learning Rate demasiado grande

La optimización puede oscilar, divergir o no acercarse adecuadamente a una solución útil.

Posible solución

Comparar diferentes tasas mediante validación y monitorizar la pérdida de entrenamiento.

7. Datos de entrenamiento insuficientemente informativos

Los ejemplos pueden no contener suficiente información para resolver la tarea.

Por ejemplo, una empresa intenta predecir intención de compra utilizando solamente identificadores aleatorios de transacciones.

No necesariamente existe una relación predictiva útil entre esos identificadores y el resultado.

El modelo puede tener un rendimiento bajo independientemente de su complejidad.

Posible solución

Revisar el diseño del problema y la disponibilidad de señales relevantes.

No siempre existe una solución exclusivamente algorítmica.

8. Etiquetas incorrectas o ambiguas

Un modelo aprende a partir de las etiquetas proporcionadas.

Si estas son inconsistentes, puede resultar difícil aprender una relación estable.

Ejemplo

Una misma frase aparece etiquetada unas veces como recomendación neutral y otras como recomendación positiva sin una distinción metodológica clara.

Esto puede limitar la calidad del clasificador.

Posibles soluciones

• Definir reglas de etiquetado.
• Revisar discrepancias.
• Analizar casos ambiguos.
• Mejorar la consistencia.
• Separar categorías que representen conceptos diferentes.

La calidad del aprendizaje depende también de la calidad del objetivo.

9. Preprocesamiento incorrecto

Errores en imputación, codificación o escalado pueden deteriorar la información disponible para el modelo.

Por ejemplo:

• Eliminar variables relevantes.
• Aplicar una codificación ordinal inadecuada.
• Transformar valores con estadísticas inconsistentes.
• Perder información durante extracción de características.
• Utilizar transformaciones incompatibles con la tarea.

Posible solución

Revisar el pipeline y comparar transformaciones sobre conjuntos independientes.

10. Restricciones excesivas de arquitectura

En modelos de Deep Learning, la capacidad y la estructura de la red pueden ser insuficientes.

Por ejemplo, un modelo puede utilizar muy pocas unidades o una arquitectura inadecuada para representar relaciones complejas.

Posible solución

Estudiar cambios controlados de arquitectura.

Sin embargo, una red más grande no constituye automáticamente la mejor elección.

También deben considerarse los datos, la optimización y los costes computacionales.

¿Qué relación existe entre Subajuste y Error Irreducible?

No todos los problemas pueden predecirse perfectamente.

Algunas tareas contienen incertidumbre inherente.

Por ejemplo, el comportamiento de un cliente puede depender de factores que no están registrados.

Incluso un modelo bien diseñado puede cometer errores.

Por eso, un rendimiento aparentemente bajo no demuestra automáticamente Underfitting.

Es necesario comparar el resultado con:

• Modelos de referencia.
• Calidad de etiquetas.
• Variabilidad de los datos.
• Información disponible.
• Dificultad inherente del problema.
• Evaluaciones apropiadas.

¿Qué son las Curvas de Aprendizaje?

Las Learning Curves muestran cómo cambia el rendimiento del modelo cuando varía la cantidad de ejemplos de entrenamiento.

Normalmente representan métricas sobre entrenamiento y validación.

Patrón compatible con Underfitting

Si el rendimiento de ambos conjuntos es deficiente y las curvas convergen a un nivel insuficiente, puede existir elevada restricción del modelo o falta de información.

Patrón compatible con Overfitting

Si el entrenamiento obtiene un rendimiento elevado y la validación permanece considerablemente por debajo, puede existir sobreajuste.

Precaución

Estas interpretaciones no son diagnósticos absolutos.

Los resultados también dependen de la métrica, los datos y la estrategia de validación.

¿Qué son las Validation Curves?

Las Validation Curves muestran cómo cambia el rendimiento al modificar un hiperparámetro.

Por ejemplo, la profundidad máxima de un árbol de decisión.

Profundidad pequeña

Puede resultar insuficiente para aprender patrones complejos.

Profundidad intermedia

Puede representar adecuadamente relaciones relevantes.

Profundidad excesiva

Puede aprender peculiaridades del entrenamiento.

Estas curvas ayudan a estudiar la relación entre complejidad y generalización.

Ejemplo práctico con Python: Underfitting y modelos polinómicos

Vamos a construir un experimento reproducible.

Generaremos observaciones de una relación cuadrática y compararemos modelos polinómicos de diferente grado.

El primer modelo utilizará grado 1.

El segundo, grado 2.

El tercero, grado 15.

import numpy as np
from sklearn.model_selection import train_test_split
from sklearn.pipeline import Pipeline
from sklearn.preprocessing import PolynomialFeatures
from sklearn.linear_model import LinearRegression
from sklearn.metrics import mean_squared_error, r2_score
# Datos sintéticos reproducibles
rng = np.random.default_rng(42)
X = np.linspace(-3, 3, 120).reshape(-1, 1)
# Relación cuadrática con ruido
y = (
    2.0 * X.ravel() ** 2
    + 0.5 * X.ravel()
    + rng.normal(0, 1.5, size=len(X))
)
# Separación de entrenamiento y prueba
X_train, X_test, y_train, y_test = train_test_split(
    X,
    y,
    test_size=0.25,
    random_state=42
)
grados = [1, 2, 15]
for grado in grados:
    modelo = Pipeline([
        (
            "poly",
            PolynomialFeatures(
                degree=grado,
                include_bias=False
            )
        ),
        (
            "regression",
            LinearRegression()
        )
    ])
    modelo.fit(X_train, y_train)
    pred_train = modelo.predict(X_train)
    pred_test = modelo.predict(X_test)
    print(f"\nGrado {grado}")
    print(
        "RMSE entrenamiento:",
        np.sqrt(mean_squared_error(
            y_train,
            pred_train
        ))
    )
    print(
        "RMSE prueba:",
        np.sqrt(mean_squared_error(
            y_test,
            pred_test
        ))
    )
    print(
        "R2 prueba:",
        r2_score(
            y_test,
            pred_test
        )
    )

¿Qué demuestra este ejemplo?

El modelo de grado 1 tiene una capacidad insuficiente para representar correctamente la relación cuadrática.

El modelo de grado 2 puede representar la estructura principal de los datos.

El modelo de grado 15 incorpora mucha más flexibilidad y podría adaptarse a parte del ruido.

Sin embargo, no debe suponerse que el modelo de grado 15 necesariamente obtendrá peores resultados en cualquier división.

La comparación debe realizarse mediante las métricas calculadas.

Consideración importante

En un experimento real, utilizaríamos un conjunto de validación o validación cruzada para seleccionar el grado.

El conjunto de prueba debería reservarse para la evaluación final del modelo seleccionado.

Ejemplo con Python: visualizar Underfitting y Overfitting

Podemos utilizar matplotlib para representar los modelos.

import matplotlib.pyplot as plt
X_plot = np.linspace(-3, 3, 300).reshape(-1, 1)
plt.figure(figsize=(10, 6))
plt.scatter(
    X_train,
    y_train,
    alpha=0.6,
    label="Datos de entrenamiento"
)
for grado in [1, 2, 15]:
    modelo = Pipeline([
        (
            "poly",
            PolynomialFeatures(
                degree=grado,
                include_bias=False
            )
        ),
        (
            "regression",
            LinearRegression()
        )
    ])
    modelo.fit(X_train, y_train)
    y_plot = modelo.predict(X_plot)
    plt.plot(
        X_plot,
        y_plot,
        label=f"Polinomio grado {grado}"
    )
plt.xlabel("Característica X")
plt.ylabel("Variable objetivo Y")
plt.title("Underfitting y complejidad del modelo")
plt.legend()
plt.grid(True)
plt.show()

Esta gráfica muestra cómo la capacidad del modelo modifica las relaciones que puede representar.

Los resultados concretos dependen del conjunto sintético generado.

Ejemplo práctico: Underfitting con Árboles de Decisión

Los árboles de decisión permiten controlar la complejidad mediante hiperparámetros como:

• max_depth.
• min_samples_leaf.
• min_samples_split.
• max_leaf_nodes.

Un árbol de profundidad 1 puede ser insuficiente para una clasificación compleja.

Un árbol muy profundo puede sobreajustarse.

Código Python

from sklearn.datasets import make_classification
from sklearn.model_selection import (
    train_test_split,
    StratifiedKFold,
    cross_validate
)
from sklearn.tree import DecisionTreeClassifier
X, y = make_classification(
    n_samples=1200,
    n_features=20,
    n_informative=8,
    n_redundant=4,
    class_sep=1.0,
    random_state=42
)
X_dev, X_test, y_dev, y_test = train_test_split(
    X,
    y,
    test_size=0.20,
    stratify=y,
    random_state=42
)
cv = StratifiedKFold(
    n_splits=5,
    shuffle=True,
    random_state=42
)
for profundidad in [1, 2, 4, 8, None]:
    modelo = DecisionTreeClassifier(
        max_depth=profundidad,
        random_state=42
    )
    resultados = cross_validate(
        modelo,
        X_dev,
        y_dev,
        cv=cv,
        scoring="f1",
        return_train_score=True
    )
    train_f1 = resultados[
        "train_score"
    ].mean()
    val_f1 = resultados[
        "test_score"
    ].mean()
    print(
        f"Profundidad={profundidad}, "
        f"Train F1={train_f1:.3f}, "
        f"Validation F1={val_f1:.3f}"
    )

Interpretación

Un árbol demasiado poco profundo puede mostrar F1 bajo tanto en entrenamiento como en validación.

Al aumentar la profundidad, ambas métricas pueden mejorar.

Sin embargo, una profundidad excesiva puede aumentar la diferencia entre las puntuaciones.

El objetivo consiste en seleccionar un nivel apropiado mediante validación.

¿Cómo solucionar Underfitting?

No existe una solución universal.

El procedimiento correcto comienza con un diagnóstico.

1. Aumentar la complejidad del modelo

Si la arquitectura es demasiado restrictiva, puede ser apropiado aumentar su flexibilidad.

Por ejemplo:

• Incrementar la profundidad de un árbol.
• Utilizar características polinómicas.
• Comparar kernels no lineales.
• Evaluar redes neuronales más expresivas.
• Utilizar modelos capaces de aprender interacciones.

Precaución

Más complejidad puede reducir Underfitting, pero también aumentar el riesgo de Overfitting.

Las modificaciones deben evaluarse.

2. Mejorar Feature Engineering

Las características determinan qué información recibe el modelo.

Por ejemplo, para predecir ventas puede resultar útil incorporar:

• Promociones.
• Estacionalidad.
• Historial de compras.
• Categorías de producto.
• Diferencias regionales.

Si solamente se utiliza una variable poco informativa, aumentar la complejidad podría aportar poco.

Buena práctica

Revisar qué información es legítimamente disponible durante la predicción y qué variables tienen relevancia para el objetivo.

3. Utilizar mejores representaciones

En tareas de texto, las representaciones pueden afectar significativamente al aprendizaje.

Ejemplo

Un clasificador de recomendaciones utiliza Bag of Words.

Podría tratar las palabras de manera independiente.

Sin embargo, la expresión:

«No recomendaría».

contiene una relación entre negación y recomendación.

Alternativas

• Bigramas.
• Trigramas.
• TF-IDF.
• Embeddings contextuales.
• Modelos Transformer.

Estas alternativas pueden mejorar la representación de determinadas relaciones lingüísticas.

Sin embargo, deben evaluarse según los datos y la tarea.

4. Reducir la Regularización

La regularización limita determinadas propiedades del modelo.

Si es excesiva, puede impedir aprender relaciones importantes.

Ejemplo

En una regresión logística regularizada con L2, valores pequeños de C implican penalizaciones más intensas.

Aumentar C reduce esa intensidad.

from sklearn.linear_model import LogisticRegression
modelo = LogisticRegression(
    C=1.0,
    max_iter=1000
)

Para seleccionar un valor apropiado conviene comparar diferentes configuraciones mediante validación cruzada.

No debe elegirse únicamente porque mejora el entrenamiento.

5. Entrenar durante más tiempo cuando corresponda

En modelos iterativos, la optimización puede no haber convergido.

Ejemplo

Una red neuronal muestra una pérdida de entrenamiento que continúa disminuyendo.

El procedimiento se detuvo después de muy pocas épocas.

Puede ser útil estudiar un entrenamiento más largo.

Sin embargo, si la pérdida de validación comienza a deteriorarse, continuar entrenando puede introducir sobreajuste.

El diagnóstico debe distinguir entre entrenamiento insuficiente y exceso de entrenamiento.

6. Ajustar la Tasa de Aprendizaje

Una tasa de aprendizaje inapropiada puede impedir alcanzar una solución adecuada.

Posibles acciones

• Comparar valores de learning rate.
• Monitorizar pérdida de entrenamiento.
• Utilizar esquemas de reducción cuando corresponda.
• Revisar estabilidad numérica.
• Comprobar el comportamiento del optimizador.

La modificación debe evaluarse en condiciones reproducibles.

7. Revisar la Calidad de las Etiquetas

Un conjunto con etiquetas ambiguas puede dificultar el aprendizaje.

Ejemplo

Una respuesta:

«Esta plataforma podría ser útil si necesitas una solución sencilla».

Puede interpretarse como una recomendación condicional.

Si diferentes anotadores la clasifican de forma inconsistente, el modelo puede recibir señales contradictorias.

Solución

Definir criterios explícitos de anotación y estudiar la consistencia entre evaluadores.

La revisión de etiquetas puede ser más útil que cambiar el algoritmo.

8. Incorporar Interacciones entre Variables

Algunas relaciones dependen de combinaciones.

Por ejemplo, una promoción puede influir en ventas de forma diferente según la temporada.

Un modelo lineal que utilice únicamente efectos individuales puede no representar adecuadamente esa interacción.

Posible solución

Añadir una característica que represente la combinación relevante.

Sin embargo, crear demasiadas interacciones también puede aumentar la complejidad.

La selección debe validarse.

9. Revisar el Desequilibrio de Clases

Un clasificador puede predecir mayoritariamente la clase más frecuente.

Ejemplo

Tenemos:

• 9.000 menciones neutrales.
• 1.000 recomendaciones.

Un modelo que siempre predice «neutral» alcanza 90 % de accuracy.

Sin embargo, su recall de recomendaciones es cero.

Esto puede reflejar una estrategia predictiva insuficiente para el objetivo, aunque no debe diagnosticarse automáticamente como Underfitting.

Posibles soluciones

• Utilizar Macro-F1.
• Analizar recall por clase.
• Comparar ponderaciones de clase.
• Mejorar datos minoritarios.
• Revisar el umbral de clasificación.
• Evaluar técnicas de sobremuestreo exclusivamente dentro del entrenamiento.

10. Comparar modelos de referencia

Antes de aumentar la complejidad, conviene disponer de un baseline.

Por ejemplo:

• DummyClassifier.
• Regresión logística.
• Árbol sencillo.
• Random Forest.
• SVM.

Si un modelo complejo no supera de manera significativa una referencia simple, conviene investigar los datos y el procedimiento.

También puede ocurrir que el problema contenga poca información predictiva.

¿Qué es DummyClassifier?

DummyClassifier es una herramienta de scikit-learn que permite construir referencias simples.

Puede generar predicciones mediante estrategias como la clase más frecuente.

Ejemplo

from sklearn.dummy import DummyClassifier
from sklearn.metrics import accuracy_score
dummy = DummyClassifier(
    strategy="most_frequent"
)
dummy.fit(X_dev, y_dev)
pred = dummy.predict(X_test)
print(
    "Accuracy baseline:",
    accuracy_score(y_test, pred)
)

El código utiliza las variables definidas en el experimento anterior.

Si un modelo sofisticado no supera adecuadamente la referencia, conviene revisar el problema.

Sin embargo, accuracy puede resultar inadecuada para clases desequilibradas.

También deben utilizarse otras métricas según el objetivo.

¿Qué relación existe entre Underfitting y Cross-Validation?

La validación cruzada permite comparar el rendimiento de diferentes modelos y configuraciones.

Por ejemplo, podemos estudiar árboles con distintas profundidades.

Si una configuración presenta resultados bajos tanto en entrenamiento como en validación, podría ser demasiado restrictiva.

Sin embargo, Cross-Validation no elimina automáticamente el subajuste.

Su función principal es proporcionar un procedimiento de evaluación y selección.

¿Qué relación existe entre Underfitting y Feature Selection?

La selección de características puede mejorar un modelo al eliminar variables irrelevantes.

Pero también puede perjudicarlo si elimina información importante.

Ejemplo

Un clasificador de recomendaciones utiliza:

• Presencia de marca.
• Longitud de respuesta.
• Negación.
• Expresión de recomendación.

Si se elimina la característica de negación, el sistema puede tener dificultades para distinguir:

«Recomiendo MarcaA».

De:

«No recomiendo MarcaA».

La selección debe evaluar la utilidad de las variables según el objetivo.

¿Qué relación existe entre Underfitting y Data Augmentation?

Data Augmentation puede enriquecer un conjunto de entrenamiento.

Sin embargo, no resuelve necesariamente un problema de capacidad insuficiente.

Por ejemplo, generar miles de variaciones de una relación cuadrática no permitirá que un modelo estrictamente lineal represente exactamente esa relación en su forma original.

Cuándo puede ayudar

Cuando el problema se debe parcialmente a escasa diversidad de datos y el modelo tiene capacidad suficiente.

Cuándo puede resultar insuficiente

Cuando faltan características relevantes o la arquitectura no puede representar las relaciones necesarias.

¿Qué relación existe entre Underfitting y Deep Learning?

En redes neuronales, Underfitting puede aparecer por:

• Arquitectura inadecuada.
• Capacidad insuficiente.
• Optimización deficiente.
• Entrenamiento demasiado corto.
• Regularización excesiva.
• Representaciones inapropiadas.
• Problemas de calidad de datos.

Ejemplo

Una red neuronal pequeña intenta aprender una relación muy compleja.

Si no dispone de capacidad suficiente, podría mantener errores elevados.

Precaución

Una red más grande no necesariamente resolverá el problema.

Es importante revisar curvas de pérdida, optimización y calidad de datos antes de modificar la arquitectura.

¿Qué relación existe entre Underfitting y los LLM?

Los grandes modelos de lenguaje también pueden mostrar aprendizaje insuficiente en determinadas tareas especializadas.

Por ejemplo, un modelo generalista podría tener dificultades para clasificar expresiones comerciales según una taxonomía muy específica.

Sin embargo, un rendimiento bajo de un LLM no significa automáticamente que el modelo esté subajustado.

El problema puede deberse a:

• Instrucciones ambiguas.
• Falta de contexto.
• Información inaccesible.
• Definición incorrecta de categorías.
• Limitaciones de razonamiento.
• Recuperación incompleta.
• Errores de herramientas.
• Cambios del proveedor.

Por eso conviene evaluar las causas antes de atribuir el problema a Underfitting.

¿Puede existir Underfitting durante Fine-Tuning?

Sí.

Durante el ajuste fino, un modelo puede no aprender suficientemente la tarea objetivo.

Posibles causas

• Entrenamiento insuficiente.
• Datos poco representativos.
• Configuración de optimización inadecuada.
• Restricciones excesivas de parámetros.
• Etiquetas inconsistentes.

Posibles soluciones

• Revisar datos de entrenamiento.
• Mejorar la taxonomía de etiquetas.
• Evaluar configuraciones.
• Estudiar la pérdida de entrenamiento.
• Comparar con el modelo original.
• Validar sobre datos independientes.

La evaluación debe considerar también si el fine-tuning aporta una mejora real respecto a alternativas como mejores instrucciones o recuperación de información.

¿Por qué es importante Underfitting para AI Visibility?

Una plataforma de AI Visibility puede utilizar Machine Learning para analizar respuestas generadas por asistentes.

Por ejemplo, puede intentar distinguir:

• Mención neutral.
• Recomendación positiva.
• Recomendación condicional.
• Recomendación negativa.
• Comparación.
• Afirmación factual.

Si el clasificador tiene capacidad insuficiente, puede tratar estas situaciones como si fueran equivalentes.

Esto puede producir errores en las observaciones utilizadas para calcular KPI.

Ejemplo

Respuesta:

«MarcaA es conocida en el mercado, pero no la recomendaría para este escenario».

Un modelo basado únicamente en presencia de marca y palabras aisladas puede interpretar:

MarcaA + recomendaría = recomendación positiva.

Sin embargo, el contexto contiene una negación.

Un clasificador necesita representar correctamente esa relación.

Ejemplo: un Clasificador de Recomendaciones demasiado simple

Supongamos que desarrollamos un sistema basado en reglas.

def clasificar_respuesta(texto):
    texto = texto.lower()
    if "recomiendo" in texto:
        return "positiva"
    return "neutral"

El sistema puede funcionar con frases simples.

Por ejemplo:

«Recomiendo MarcaA».

Pero puede fallar con:

«No recomiendo MarcaA».

También puede no reconocer:

«MarcaA sería mi primera elección».

¿Qué demuestra?

Las reglas pueden ser insuficientes para representar todos los patrones lingüísticos relevantes.

No significa que los sistemas basados en reglas sean siempre inferiores.

En determinadas tareas, reglas bien diseñadas pueden ser precisas y fáciles de auditar.

El problema surge cuando la representación o las reglas no cubren adecuadamente el objetivo.

¿Cómo mejorar un Clasificador de AI Visibility?

Una estrategia progresiva puede comparar diferentes enfoques.

Nivel 1. Reglas simples

Utilizar patrones lingüísticos explícitos.

Nivel 2. TF-IDF con n-grams

Representar secuencias de palabras que capturen expresiones como «no recomiendo».

Nivel 3. Características contextuales

Incorporar negaciones, entidades y relaciones entre términos.

Nivel 4. Embeddings

Utilizar representaciones semánticas.

Nivel 5. Modelos especializados

Evaluar clasificadores basados en Transformers o LLMs.

Cada nivel debe compararse mediante datos independientes.

No existe una garantía de que el método más complejo sea el mejor.

Ejemplo con Python: TF-IDF Unigramas vs. N-grams

Podemos comparar dos representaciones textuales.

from sklearn.pipeline import Pipeline
from sklearn.feature_extraction.text import TfidfVectorizer
from sklearn.linear_model import LogisticRegression
from sklearn.model_selection import StratifiedKFold, cross_val_score
textos = [
    "Recomiendo MarcaA",
    "MarcaB es mi primera elección",
    "Elegiría MarcaC",
    "MarcaD es una excelente opción",
    "Mi recomendación sería MarcaE",
    "MarcaF resulta recomendable",
    "MarcaG sería una buena alternativa",
    "Considero MarcaH una buena opción",
    "No recomiendo MarcaI",
    "No elegiría MarcaJ",
    "Evitaría MarcaK",
    "MarcaL no sería mi elección",
    "No recomendaría MarcaM",
    "MarcaN no es adecuada",
    "No considero MarcaO recomendable",
    "Descartaría MarcaP"
]
etiquetas = [1] * 8 + [0] * 8
cv = StratifiedKFold(
    n_splits=4,
    shuffle=True,
    random_state=42
)
for ngrams in [(1, 1), (1, 2)]:
    model = Pipeline([
        (
            "tfidf",
            TfidfVectorizer(
                ngram_range=ngrams
            )
        ),
        (
            "classifier",
            LogisticRegression(max_iter=1000)
        )
    ])
    scores = cross_val_score(
        model,
        textos,
        etiquetas,
        cv=cv,
        scoring="f1"
    )
    print(
        ngrams,
        "F1 medio:",
        scores.mean()
    )

¿Qué demuestra?

El código compara una representación con palabras individuales y otra que también incluye bigramas.

Los bigramas pueden representar secuencias como:

«no recomiendo».

Sin embargo, este dataset es demasiado pequeño y artificial para obtener conclusiones generales.

Para desarrollar un clasificador real se necesitan numerosos ejemplos verificados, diferentes marcas, familias de prompts y condiciones de evaluación.

¿Cómo identificar Underfitting en las Métricas de AI Visibility?

Una plataforma puede observar:

Los valores son ilustrativos.

Si una referencia más adecuada alcanza resultados claramente superiores, el clasificador podría estar aprendiendo de manera insuficiente.

Sin embargo, también deben revisarse:

• Etiquetas.
• Distribución de categorías.
• Calidad de respuestas.
• Representaciones utilizadas.
• Dificultad del problema.
• Dependencias entre registros.

Un resultado bajo no justifica automáticamente aumentar la complejidad del modelo.

Underfitting y Generalización por Marca

Una plataforma puede evaluar clasificadores utilizando marcas nuevas.

Por ejemplo:

Entrenamiento: respuestas de 80 marcas.

Prueba: respuestas de 20 marcas diferentes.

Si el clasificador obtiene resultados deficientes sobre ambas particiones, puede existir aprendizaje insuficiente.

Si funciona bien en entrenamiento, pero falla sobre marcas nuevas, puede existir un problema de generalización, diferencias de dominio o dependencia excesiva de las marcas conocidas.

Estos diagnósticos requieren medidas diferentes.

Underfitting y Generalización por Plataforma

Las respuestas de diferentes asistentes pueden utilizar estructuras lingüísticas distintas.

Un modelo puede tener dificultades para interpretar expresiones generadas por plataformas nuevas.

Sin embargo, una caída de rendimiento entre plataformas no demuestra automáticamente Underfitting.

Puede deberse a:

• Cambios de estilo.
• Nuevos formatos.
• Diferencias de longitud.
• Distribución de categorías.
• Cambios temporales.
• Variaciones en metadatos disponibles.

La evaluación por plataforma debe ayudar a identificar qué patrones están causando errores.

¿Cómo afecta Underfitting a Recommendation Rate?

Supongamos que una plataforma clasifica 1.000 respuestas.

El sistema identifica 200 recomendaciones positivas.

Pero el modelo tiene dificultades para reconocer expresiones condicionales y recomendaciones redactadas indirectamente.

La tasa calculada podría subestimar ciertas categorías, dependiendo de la definición del KPI.

Por el contrario, un modelo que confunde menciones neutrales con recomendaciones puede sobreestimar el resultado.

Buenas prácticas

Mantener separados:

• Respuestas originales.
• Etiquetas predichas.
• Etiquetas verificadas.
• Métricas de clasificación.
• KPI calculados.

Esto permite investigar errores antes de presentar resultados empresariales.

Arquitectura para Diagnosticar Underfitting en AI Visibility

Una plataforma puede organizar el proceso en varias capas.

Capa 1. Recopilación

Guardar prompts y respuestas originales.

Capa 2. Etiquetado

Construir ejemplos de referencia con criterios documentados.

Capa 3. División

Separar entrenamiento, validación y prueba.

Capa 4. Baseline

Implementar un clasificador sencillo.

Capa 5. Análisis de errores

Estudiar las categorías con peor rendimiento.

Capa 6. Mejora de características

Incorporar representaciones relevantes.

Capa 7. Comparación de modelos

Evaluar alternativas de complejidad creciente.

Capa 8. Selección

Elegir la configuración mediante validación.

Capa 9. Evaluación final

Utilizar datos independientes.

Capa 10. Monitorización

Revisar periódicamente el rendimiento sobre respuestas nuevas.

Este enfoque permite distinguir la complejidad insuficiente de otros problemas de calidad y evaluación.

Diferencia entre Underfitting y Data Leakage

El Data Leakage aparece cuando información reservada o no disponible influye en entrenamiento o evaluación.

Por ejemplo, una característica puede revelar la etiqueta objetivo.

Esto puede producir métricas artificialmente elevadas.

El Underfitting, por el contrario, describe un aprendizaje insuficiente de las relaciones relevantes.

Son conceptos diferentes.

Sin embargo, ambos deben considerarse durante la evaluación de modelos.

Diferencia entre Underfitting y Data Drift

Data Drift describe cambios en la distribución de los datos de entrada.

Por ejemplo, un clasificador entrenado con respuestas breves comienza a procesar respuestas muy extensas.

Su rendimiento puede disminuir.

Esto no demuestra automáticamente que el modelo estuviera subajustado durante entrenamiento.

La causa puede ser un cambio posterior en el entorno.

Diferencia entre Underfitting y Concept Drift

Concept Drift describe cambios en la relación entre variables y objetivo predictivo.

Por ejemplo, una organización modifica sus criterios para clasificar recomendaciones condicionales.

Las mismas frases podrían recibir etiquetas diferentes según la versión de la metodología.

En ese caso, el problema puede ser un cambio del objetivo.

No necesariamente un aprendizaje insuficiente del modelo original.

Ventajas de Detectar Underfitting

Mejor capacidad predictiva

Permite identificar modelos demasiado restrictivos.

Uso más eficiente de recursos

Evita optimizar indefinidamente una arquitectura inadecuada.

Mejor Feature Engineering

Ayuda a detectar características insuficientes.

Evaluaciones más informativas

Permite distinguir capacidad del modelo y problemas de datos.

Mayor calidad de clasificación

Puede mejorar el reconocimiento de patrones complejos.

Modelos empresariales más útiles

Facilita seleccionar arquitecturas apropiadas.

Mejor calidad de AI Visibility

Puede reducir determinados errores sistemáticos de clasificación.

Limitaciones y Desafíos

Diagnóstico ambiguo

Un rendimiento bajo puede tener diversas causas.

Riesgo de aumentar demasiado la complejidad

La corrección puede introducir Overfitting.

Calidad de datos insuficiente

Una arquitectura avanzada no sustituye información relevante.

Etiquetas inconsistentes

Pueden limitar el rendimiento de cualquier modelo.

Coste computacional

Los modelos más complejos pueden requerir más recursos.

Dependencia de la tarea

No existe un nivel universal de capacidad adecuada.

Cambios de distribución

Las condiciones futuras pueden diferir del entrenamiento.

Interpretación incorrecta

Una puntuación baja no demuestra automáticamente Underfitting.

Buenas prácticas para evitar Underfitting

Para desarrollar modelos fiables conviene:

1. Definir claramente la tarea.
2. Construir un baseline apropiado.
3. Evaluar el rendimiento de entrenamiento.
4. Compararlo con validación independiente.
5. Revisar curvas de aprendizaje.
6. Analizar la complejidad del modelo.
7. Comprobar si las características contienen información suficiente.
8. Revisar la calidad de las etiquetas.
9. Ajustar regularización.
10. Comprobar la convergencia.
11. Evaluar representaciones alternativas.
12. Comparar modelos mediante Cross-Validation.
13. Evitar Data Leakage.
14. Reservar un Test Set final.
15. Monitorizar el rendimiento después del despliegue.

En AI Visibility también conviene evaluar negaciones, recomendaciones condicionales, marcas nuevas y diferentes asistentes.

Preguntas frecuentes sobre Subajuste (Underfitting)

¿Qué significa Underfitting?

Significa Subajuste y ocurre cuando un modelo aprende insuficientemente los patrones relevantes de los datos.

¿Qué diferencia existe entre Underfitting y Overfitting?

Underfitting representa aprendizaje insuficiente. Overfitting representa adaptación excesiva al entrenamiento.

¿Cómo se detecta Underfitting?

Analizando rendimiento de entrenamiento y validación, curvas de aprendizaje y resultados frente a modelos de referencia.

¿Qué es High Bias?

Es elevado sesgo predictivo dentro del marco clásico de sesgo-varianza, frecuentemente asociado con modelos demasiado restrictivos.

¿Qué es el Bias–Variance Trade-off?

Es la relación entre sesgo, varianza y capacidad de generalización en determinados marcos de aprendizaje.

¿Puede un modelo lineal presentar Underfitting?

Sí, especialmente cuando la tarea requiere representar relaciones no lineales que el modelo no puede expresar.

¿Los árboles de decisión pueden presentar Underfitting?

Sí. Por ejemplo, una profundidad máxima demasiado pequeña puede limitar la capacidad.

¿Una red neuronal pequeña siempre presenta Underfitting?

No. Depende del problema, los datos y el entrenamiento.

¿Qué es una Learning Curve?

Es un gráfico que muestra el rendimiento en función del tamaño del conjunto de entrenamiento.

¿Qué es una Validation Curve?

Es un gráfico que muestra cómo cambia el rendimiento al modificar un hiperparámetro.

¿La regularización puede provocar Underfitting?

Sí. Una regularización excesiva puede restringir demasiado el modelo.

¿Qué significa reducir la regularización?

Disminuir la intensidad de las penalizaciones aplicadas al procedimiento de aprendizaje.

¿Qué es Early Stopping?

Es un mecanismo que detiene el entrenamiento siguiendo un criterio definido, frecuentemente basado en validación.

¿Early Stopping puede contribuir al Underfitting?

Sí, si detiene el entrenamiento antes de que el modelo haya aprendido suficientemente.

¿Más épocas siempre solucionan Underfitting?

No. Depende de la arquitectura, el optimizador y la causa del problema.

¿Más datos siempre solucionan Underfitting?

No. Si el modelo no tiene capacidad suficiente o las características no contienen información relevante, más datos pueden resultar insuficientes.

¿Feature Engineering ayuda a reducir Underfitting?

Puede ayudar al incorporar características informativas y relaciones apropiadas.

¿Feature Selection puede provocar Underfitting?

Sí, si elimina variables necesarias para representar el objetivo.

¿Data Augmentation soluciona Underfitting?

No necesariamente. Puede mejorar la diversidad, pero no sustituye la capacidad o información que faltan.

¿Qué es DummyClassifier?

Es un estimador que proporciona referencias predictivas simples para comparación.

¿Cómo se evalúa Underfitting con Python?

Mediante métricas de entrenamiento y validación, learning_curve, validation_curve y modelos comparativos de scikit-learn.

¿Puede existir Underfitting en Deep Learning?

Sí. Puede deberse a arquitectura, optimización, regularización o entrenamiento insuficiente.

¿Los LLM pueden presentar Underfitting?

Pueden mostrar aprendizaje insuficiente durante determinadas tareas o procesos de ajuste fino, aunque un rendimiento bajo no siempre se debe a subajuste.

¿Qué diferencia existe entre Underfitting y Data Drift?

Underfitting describe aprendizaje insuficiente; Data Drift describe cambios en la distribución de entradas.

¿Qué diferencia existe entre Underfitting y Concept Drift?

Concept Drift describe cambios en las relaciones predictivas o la definición práctica del objetivo.

¿Por qué es importante Underfitting para AI Visibility?

Porque un clasificador insuficientemente expresivo puede interpretar incorrectamente recomendaciones, negaciones y comparaciones de marcas.

¿Cómo reducir Underfitting en un clasificador de recomendaciones?

Mejorando las características, la calidad de etiquetas, la capacidad del modelo y el entrenamiento, con evaluación independiente.

Conceptos relacionados

• Inteligencia Artificial (IA): disciplina dedicada al desarrollo de sistemas inteligentes.
• Aprendizaje Automático (Machine Learning): técnicas que aprenden relaciones a partir de datos.
• Aprendizaje Profundo (Deep Learning): modelos basados en redes neuronales profundas.
• Redes Neuronales: arquitecturas de aprendizaje.
• Aprendizaje Supervisado: entrenamiento mediante etiquetas.
• Clasificación: predicción de categorías.
• Regresión: predicción de valores numéricos.
• Ingeniería de Características: construcción y transformación de variables.
• Selección de Características: identificación de variables relevantes.
• Extracción de Características: representación de datos.
• Normalización de Datos: transformación de escalas.
• Estandarización de Datos: transformación mediante media y desviación estándar.
• Aumento de Datos: generación de variaciones de entrenamiento.
• Datos Sintéticos: observaciones artificiales.
• Conjuntos de Entrenamiento, Validación y Prueba: separación para aprendizaje y evaluación.
• Validación Cruzada: evaluación mediante diferentes particiones.
• Overfitting: sobreajuste.
• Underfitting: subajuste.
• Bias: sesgo estadístico o predictivo según el contexto.
• Variance: sensibilidad a los datos de entrenamiento.
• Regularization: control de complejidad.
• Learning Rate: tasa de aprendizaje.
• Data Drift: cambios de distribución.
• Concept Drift: cambios en las relaciones predictivas.
• Visibilidad en Inteligencia Artificial: análisis de menciones y recomendaciones de marcas en respuestas de IA.

Conclusión

El Subajuste (Underfitting) es un problema importante de Machine Learning que aparece cuando un modelo no consigue aprender suficientemente las relaciones relevantes de sus datos.

Puede manifestarse mediante un rendimiento deficiente tanto en entrenamiento como en validación.

Entre sus causas se encuentran la complejidad insuficiente, las características poco informativas, la regularización excesiva, el entrenamiento incompleto y determinadas deficiencias en la calidad de los datos.

Sin embargo, un rendimiento bajo no demuestra automáticamente Underfitting.

El diagnóstico requiere comparar modelos de referencia, analizar curvas de aprendizaje, estudiar etiquetas y comprobar la adecuación del procedimiento de evaluación.

Entre las posibles soluciones se encuentran aumentar moderadamente la capacidad del modelo, mejorar Feature Engineering, utilizar representaciones apropiadas, ajustar la regularización y revisar la optimización.

Estas medidas deben evaluarse cuidadosamente para evitar introducir sobreajuste.

En el contexto de AI Visibility, Underfitting puede provocar que un clasificador no distinga correctamente entre menciones, recomendaciones positivas, negaciones y recomendaciones condicionales.

Por ello, es importante evaluar la calidad del aprendizaje sobre respuestas verificadas, marcas nuevas y diferentes plataformas.

La conclusión fundamental es que Underfitting representa un aprendizaje insuficiente de los patrones relevantes. Para corregirlo, es necesario identificar sus causas, mejorar la capacidad o información disponible cuando corresponda y comprobar que las modificaciones producen una generalización real sobre datos independientes.