バイアス

機械学習モデルが、

『トレーニングデータに対して、一貫して誤った予測を行う傾向』

を示すことです。

これはモデルの設計やトレーニングデータの特性に起因することが多いです。

バイアスが高い

バイアスが高い場合、モデルはトレーニングデータの特性を正確に捉えられず、結果的に誤差が生じる可能性があります。

バリアント

機械学習モデルが非常に複雑で、

『新しいデータに対して、不安定な予測を行う』

ことです。

バリアントが高い

バリアントが高い場合、モデルが訓練データに対して高い精度を示すが、新しいデータに対して精度が低下します。

バイアスとバリアントが高い

バイアスとバリアンスの両方が高いと、モデルは 過少適合 の状態に陥り、

• 訓練データでも
• 新しいデータでも

低い精度を示します。

バイアスとバリアンスのトレードオフ

バイアスとバリアンスの関係は、「あちらを立てれば、こちらが立たず」というトレードオフの関係にあるため、「バイアスとバリアンスのトレードオフ」と呼ばれます。

バイアスとバリアンスを最適に調整することで、 モデルの汎化性能を最大化 します。