未学習（アンダーフィッティング、Underfitting）とは、機械学習モデルが訓練データのパターンを十分に捉えられず、訓練データに対しても予測精度が低い状態を指します。モデルが単純すぎたり、学習が不十分な場合に発生します。
未学習が起きる原因
未学習の主な原因は、モデルの表現力が不足していること（線形モデルで非線形データを学習しようとするなど）、特徴量が不足していること、学習回数が少なすぎること、学習率が不適切であることなどです。
未学習の対策
未学習を解消するには、より複雑なモデルを使用する、特徴量を追加する、学習回数を増やす、正則化の強度を下げる、などの方法があります。適切なモデル選択と十分な学習が鍵となります。