学習アルゴリズムが観察されたデータから未知のインスタンスへ一般化する際に使用する仮定のセット。
すべてのモデルには、一般化を方向づけるバイアス（例：カーネル法における平滑性の仮定や、KNNにおける局所性）が内在しています。帰納バイアスを認識することは、ガバナンスチームが領域に適したアルゴリズムを選定し、障害モードを理解するうえで有用です。また、信頼性高く学習するために必要なデータ量や、特定のタスクで体系的に性能が低下し得るモデルクラスを見極めることにもつながります。
時系列チームは、自己回帰モデルの帰納バイアスが時間的連続性を前提としているため、フィードフォワードNNよりも株価データに適合すると判断し、このモデルを選択します。彼らは将来の監査に備えて、この選択をモデル選定の根拠として文書化し、あわせてモデルのバイアスがドメイン知識と整合していることを確保します。
