Subajuste (underfitting): qué es y cómo evitarlo
El subajuste (underfitting) ocurre cuando un modelo de machine learning es demasiado simple, está mal configurado o se entrenó poco, y no logra captar los patrones de los datos. Se reconoce porque comete muchos errores tanto en los datos de entrenamiento como en datos nuevos. Es el problema opuesto al sobreajuste, que memoriza en vez de generalizar.
Actualizado: 7 de noviembre de 2026.
Si el sobreajuste es memorizar de más, el subajuste es aprender de menos. Imagina explicar la evolución de los precios de una vivienda solo con una línea recta cuando el precio depende de la zona, los metros y la antigüedad: por mucho que ajustes la recta, nunca describirá bien los datos. El modelo no tiene capacidad o información suficientes para capturar la estructura real del problema.
Cómo se produce el subajuste
Un modelo aprende ajustando sus parámetros para reducir el error que mide la función de pérdida. Hay subajuste cuando ese proceso termina con un error alto que no baja aunque sigas probando. Las causas habituales son:
- Modelo demasiado simple. Una regresión lineal para una relación curva, o una red neuronal con muy pocas neuronas para una tarea compleja.
- Características pobres. Faltan variables que explican el resultado o están mal codificadas. La ingeniería de características suele ser la solución.
- Regularización excesiva. Penalizaciones fuertes (L1, L2) o un dropout muy alto impiden que el modelo se ajuste.
- Entrenamiento insuficiente. Pocas épocas o una parada temprana demasiado agresiva.
- Tasa de aprendizaje mal elegida. Una tasa de aprendizaje demasiado baja avanza muy despacio; una demasiado alta impide que el error baje de forma estable.
- Datos de mala calidad. Etiquetas con mucho ruido o inconsistentes ponen un techo al rendimiento posible.
Subajuste vs. sobreajuste
| Aspecto | Subajuste (underfitting) | Sobreajuste (overfitting) |
|---|---|---|
| Qué pasa | El modelo aprende demasiado poco | El modelo memoriza, incluido el ruido |
| Error en entrenamiento | Alto | Muy bajo |
| Error en validación | Alto, parecido al de entrenamiento | Alto, muy superior al de entrenamiento |
| En términos de sesgo y varianza | Sesgo alto | Varianza alta |
| Analogía | Estudiante que no estudió | Estudiante que memorizó las respuestas del examen de práctica |
| Soluciones típicas | Modelo más expresivo, mejores variables, menos regularización, entrenar más | Más datos, regularización, dropout, parada temprana, modelo más simple |
El objetivo no es eliminar uno de los dos, sino encontrar el punto intermedio: un modelo con suficiente capacidad para aprender el patrón, pero no tanta como para memorizar el ruido. Es lo que se conoce como compromiso entre sesgo y varianza.
Cómo detectarlo: curvas de aprendizaje
Una curva de aprendizaje muestra el error en entrenamiento y en validación a medida que avanza el entrenamiento o crece el número de ejemplos.
- Subajuste: ambas curvas se estabilizan pronto en un error alto y quedan muy juntas.
- Sobreajuste: el error de entrenamiento sigue bajando mientras el de validación se estanca o sube; se abre una brecha.
- Buen ajuste: ambos errores son bajos y la brecha es pequeña.
Para decidir si un error es “alto”, compáralo con una referencia: el rendimiento de una persona experta, un modelo sencillo de base o los resultados publicados en un benchmark similar.
Ejemplo práctico (ilustrativo)
Una empresa quiere predecir cuántos pedidos recibirá cada día. Entrena una regresión lineal usando solo el número de día del año. Resultado: error alto en entrenamiento y en validación, y las predicciones no reflejan que los lunes y los días de campaña hay picos.
| Intento | Cambio | Error en entrenamiento | Error en validación | Diagnóstico |
|---|---|---|---|---|
| 1 | Regresión lineal con “día del año” | Alto | Alto | Subajuste |
| 2 | Añade día de la semana, festivos y campañas | Medio | Medio | Mejora: faltaban variables |
| 3 | Modelo de árboles con esas variables | Bajo | Bajo | Ajuste razonable |
| 4 | Árboles muy profundos sin límite | Casi cero | Sube | Empieza el sobreajuste |
El salto principal no vino de un algoritmo más sofisticado, sino de darle al modelo información útil. Después, más capacidad ayudó hasta que empezó a memorizar.
Cómo corregir el subajuste
- Aumentar la capacidad del modelo: más capas o neuronas, árboles más profundos, términos polinómicos o un algoritmo más flexible.
- Mejorar las características: añadir variables relevantes, crear interacciones, codificar bien las categorías.
- Reducir la regularización: bajar la penalización L2, el dropout o relajar la parada temprana.
- Entrenar más tiempo y revisar la tasa de aprendizaje.
- Revisar los datos: limpiar etiquetas erróneas y comprobar que la tarea es aprendible con la información disponible.
Tras cada cambio, vuelve a mirar las curvas: al corregir el subajuste es fácil pasarse al extremo contrario. La validación cruzada ayuda a comparar opciones sin engañarte con una sola partición.
Errores frecuentes
- Añadir datos para curar el subajuste. Normalmente no basta si el modelo no puede representar el patrón.
- Fijarse solo en el error de validación. Sin mirar el de entrenamiento no distingues subajuste de sobreajuste.
- Regularizar “por si acaso”. Aplicar dropout o L2 fuertes desde el principio puede provocar subajuste.
- No tener una referencia. Un error del 15 % puede ser excelente o pésimo según la dificultad de la tarea.
- Culpar siempre al algoritmo. Con frecuencia el problema está en las variables o en la calidad de las etiquetas.
Si estás empezando con machine learning, los cursos de Aulas de IA explican estos conceptos con ejemplos prácticos.
Fuentes
- Google for Developers, Machine Learning Crash Course: sobreajuste y generalización.
- scikit-learn, “Underfitting vs. Overfitting” (ejemplo oficial).
- scikit-learn, curvas de validación y de aprendizaje.
- Wikipedia, “Sobreajuste”.
Preguntas frecuentes
- ¿Qué es el subajuste en machine learning?
- Es la situación en la que un modelo no aprende lo suficiente de los datos. Puede deberse a que es demasiado simple para el problema, a que recibe variables poco informativas, a una regularización excesiva o a un entrenamiento demasiado corto. El resultado es un error alto ya en el conjunto de entrenamiento, que se repite con datos nuevos.
- ¿Cuál es la diferencia entre sobreajuste y subajuste?
- En el subajuste el modelo aprende de menos: falla en entrenamiento y en validación. En el sobreajuste aprende de más, incluido el ruido: acierta mucho en entrenamiento pero falla con datos nuevos. El primero se corrige dando más capacidad o mejores variables; el segundo, con más datos, regularización o un modelo más simple.
- ¿Cómo saber si mi modelo tiene subajuste?
- Compara el error en entrenamiento con un nivel de referencia razonable, como el de una persona experta o un modelo base. Si el error de entrenamiento ya es alto y el de validación es parecido, hay subajuste. Las curvas de aprendizaje que se estancan pronto, en valores malos, son otra señal clara.
- ¿Más datos solucionan el subajuste?
- Por lo general, no. Si el modelo no tiene capacidad para representar el patrón, añadir ejemplos del mismo tipo no lo arregla: seguirá fallando igual. Más datos ayudan sobre todo contra el sobreajuste. Contra el subajuste funcionan mejor un modelo más expresivo, mejores características, menos regularización o más tiempo de entrenamiento.