欠拟合（Underfitting）是指机器学习模型在训练数据上的表现不够好，导致在测试数据上也表现不佳。这种情况通常发生在模型过于简单，无法捕捉到数据中的复杂模式时。具体来说，欠拟合模型的训练误差和测试误差都较高，说明模型既没有学好训练数据，也无法在测试集上表现良好。欠拟合的主要表现包括训练集和测试集误差都较高：模型对训练数据和测试数据都不能很好地拟合。高偏差：模型对数据的基本结构理解不到位，表现为过于简化。