Quando o modelo não consegue aprender os padrões dos dados de treinamento.

Quando o modelo se ajusta excessivamente aos dados de treinamento, perdendo a capacidade de generalizar para novos dados.

Quando o modelo tem uma baixa precisão em dados de treinamento e de teste.

Quando o modelo é muito simples e não consegue capturar os padrões.

Quando o modelo falha na previsão dos dados de treino devido ao uso de um kernel inadequado.