某线性回归模型在训练集和测试集上的性能都较差,这说明出现了 __ 问题。A. 过拟合B. 欠拟合C. 数据泄露D. 泛化能力强

关键概念辨析：本题考查对过拟合与欠拟合的理解，以及对模型性能问题的判断。

• 过拟合：模型在训练集表现极佳，但测试集表现差，说明过度依赖训练数据。
• 欠拟合：模型在训练集和测试集表现均差，说明未能有效学习数据规律。
• 数据泄露：训练数据与测试数据存在信息泄露，导致测试结果不可靠，但不会直接导致双差表现。
• 泛化能力强：模型在测试集表现优秀，与题干矛盾。

破题关键：根据“训练集和测试集均表现差”，可直接锁定欠拟合。

逻辑推导：

1. 过拟合的核心特征是“训练优、测试劣”，与题干矛盾。
2. 欠拟合的核心特征是“双差”，符合题干描述。
3. 数据泄露会导致测试结果虚假，但模型本身可能仍有一定性能。
4. 泛化能力强需测试集表现良好，与题干矛盾。

结论：模型未有效学习数据规律，属于欠拟合问题。