Quando um modelo é simples demais para capturar a complexidade dos dados.

Quando um modelo se ajusta excessivamente aos dados de treinamento e falha em generalizar para novos dados.

Quando um modelo é treinado com dados insuficientes.

Quando um modelo apresenta baixa precisão nos dados de treinamento.

Quando um modelo é atualizado com frequência para melhorar a performance.