در دنیای الگوریتم overfit به این معناست که مدل به قدری داده های آموزش را خوب یاد گرفته که در اصطلاح آن ها را حفط شده اما بر روی داده های تست اصلا عملکرد خوبی ندارد و underfit دقیقا برعکس overfit بوده و مدل به قدری ساده بوده و یا به دلایل دیگه که داده های آموزش را به خوبی یاد نگرفته است. حال اگر بخواهیم یک مثال از این دو مشکل بزنیم به این صورت است که فرض کنید یک دانش آموز امتحان دارد و برای این امتحان باید کتاب درسی مربوطه را بخواند اما اگر به اندازه کافی وقت نگذارد و همه صفحات کتاب را نخواند به خوبی کتاب را یاد نگرفته است و دچار underfit شده اما اگر به قدری کتاب را بخواند که بداند در هر صفحه چه کلمات و مباحثی آمده و شماره صفحه هر مبحث را هم بداند در اصل کتاب را حفظ کرده اما در امتحان نتیجه خوبی نگیرد و نتواند به سوالات به خوبی پاسخ دهد دچار overfit شده است!
