Индуктивное смещение

• Индуктивное смещение алгоритма обучения — набор допущений, используемых для прогнозирования результатов при неизвестных входных данных. 
• Индуктивное смещение заставляет алгоритм изучать один шаблон вместо другого. 
• Обучение включает поиск множества решений, которые позволят лучше объяснить данные или получить более высокую награду. 
• Во многих случаях существует несколько одинаково хороших решений, и индуктивное смещение позволяет алгоритму обучения отдавать предпочтение одному решению. 
• В машинном обучении одна из целей заключается в создании алгоритмов, способных предсказывать определенный целевой результат. 
• Индуктивное смещение связано с предположением о природе целевой функции. 
• Классическим примером индуктивного смещения является бритва Оккама, предполагающая, что простейшая непротиворечивая гипотеза о целевой функции является наилучшей. 
• Подходы к определению индуктивного смещения основаны на математической логике, но строгий формализм терпит неудачу во многих практических случаях. 
• Существуют различные распространенные индуктивные искажения в алгоритмах машинного обучения, включая максимальную условную независимость, минимальную ошибку перекрестной проверки и максимальное поле.