バイアスとバリアンス
意味・解説
機械学習モデルの予測誤差の2つの要因。学習不足によるズレ（バイアス）と、学習データの変化に対する予測の不安定さ（バリアンス）。
バイアスが高いと「未学習」になり、バリアンスが高いと「過学習」になる。この2つはトレードオフの関係にあり、両方を抑えた「汎化性能」の高いモデル作りが求められる。
くわしく
「的を射る精度の分析」です。
1.偏見：
的（正解）の中心からどれだけズレているか。
2.バリアンス：
矢がどれだけ散らばっているか。ポイントは、手元のデータに完璧に合わせようとする（バリアンスを下げる）と、未知のデータに対して弱くなり、逆にシンプルにしすぎる（バイアスを許容する）とそもそも正解に届かなくなるという、AI開発の核心的な課題だからです。
例文
AIモデルが訓練データに過剰に適合し、バリアンスが高まったため、正則化手法を導入して過学習を抑制した。
同義語: バイアス・バリアンスのトレードオフ
分類: 機械学習の評価