バイアス (bias)
(対義語: バリアンス)
バイアスとは、機械学習や統計学においてモデルの予測が系統的にずれることを指します。予測モデルが単純すぎてデータの複雑なパターンを十分に捉えられない場合は「バイアスが高い」状態であり、モデルは過小適合(アンダーフィッティング)を引き起こします。
機械学習では、バイアスとバリアンスのトレードオフが重要な概念です。バイアスを低くしすぎるとバリアンスが高くなり、モデルの過学習(オーバーフィッティング)に繋がります。バイアスとバリアンスの適切なバランスを保つことが重要です。
CAEサロゲートモデルにおけるバイアスの影響
CAEサロゲートモデルが単純すぎると「バイアスが高い」状態になり、非線形性が強いシミュレーション結果を十分に再現できません。学習データの偏りによってもバイアスは増加します。学習データが設計空間の一部に偏っている場合、その範囲外の予測精度が低下します。このような「データに起因するバイアス」を避けるためには、設計空間全体を適切にカバーする学習データの選定が重要です。