最終更新日:
学習アルゴリズムが、観測データから未知のインスタンスへと一般化する際に用いる前提条件の集合。
すべてのモデルは、カーネル法における平滑化の仮定やKNNにおける局所性など、汎化の指針となるバイアスを内包しています。帰納バイアスを認識することは、ガバナンスタームが対象領域に適したアルゴリズムを選択し、障害モードを理解するのに役立ちます。また、信頼性の高い学緂にどの程度のデータが必要なのか、そしづどのモデルクラスが特定のタスクにおいて系統的にパフォーマンスを下回る可能性があるかを判断する基準にもなります。
実際の導入事例：
ある時系列解析チームは、自己回帰モデルを選択しました。その理由は、このモデルの帰納バイアスが時間の連続性を前提としており、順伝播型ニューラルネットワークよりも株価データにうまく適合するためです。チームはこの選択を将来の監査に備えてモデル選定の根拠資料に記録し、モデルのバイアスがドメイン知識と一致していることを確認しました。
