Q67 — AWS AIF-C01 第2章

第 67/100 問 | ← 第2章

機械学習（ML）の文脈において、「バイアス（bias）」とは何を意味しますか？

正解: D. 特定のデータに対して誤った予測を体系的に行うモデルの誤りまたは傾向

解説

機械学習の文脈において、バイアス（bias）とは、Dの選択肢：「特定のデータに対して誤った予測を体系的に行うモデルの誤りまたは傾向」を意味します。 解説： A. モデルアーキテクチャの複雑さはバイアスの定義ではなく、むしろ分散（variance）と関連があります。 B. トレーニングデータ内のランダム性やノイズはバイアスの範疇には含まれず、モデルの汎化性能に影響を与えるものの、体系的な誤りを引き起こしません。 C. 予測値と実際の値との差はモデルの誤差の一種ですが、これ自体がバイアスと等価ではありません。誤差はバイアス由来の場合もあれば、分散由来の場合もあります。 D. 特定のデータに対して誤った予測を体系的に行う傾向こそが、バイアスの正確な定義です。バイアスは、モデルが抱える内在的な問題であり、特定タイプの誤差を生じさせる体系的な原因を示します。 バイアスは、モデルの仮定が単純化されすぎていることや、トレーニングデータが全体のデータ分布を十分に代表していないことなどによって生じます。高いバイアスを持つモデルは、トレーニングデータ上では良好な性能を示しても、新しいテストデータでは大きな誤差を生じる可能性があります。バイアスを低減するには、モデルの仮定の改善やトレーニングデータの多様性向上などが有効です。