核心概念
归纳偏置
学习方法从有限已见样本推广到未见样本时采用的偏好或假设。
归纳偏差 学习偏置
简明解释
归纳偏置（inductive bias）是学习方法从有限已见样本推广到未见样本时采用的偏好或假设。偏好平滑函数是一种归纳偏置；它帮助在同样拟合训练点的候选间取舍，但可能不适合存在真实跳变的问题。[1, Chapters 2, 4–5]
别和什么混淆
归纳偏置不等于社会偏见或估计量的统计偏差。它泛指从有限样本外推所需的偏好；应检查是否适合任务，而不是口号式地“消除全部偏置”。
在本书中
本页参考来源
- Shalev-Shwartz S, Ben-David S. Understanding Machine Learning — From Theory to Algorithms [M]. Cambridge University Press, 2014. 定位：Chapters 2, 4–5. 稳定来源（访问 ）。