Смещение в машинном обучении означает, что алгоритм дает ошибочные результаты из-за неточных предположений, сделанных на одном из этапов процесса.

Источник: Nuances of Programming Введение Знакомство с машинным обучением часто начинается с линейной регрессии  —  одного из самых простых алгоритмов. Однако эта модель быстро раскрывает свои недостатки, особенно при работе с наборами данных, которые требуют перестройки моделей. Основные решения этой проблемы  —  ридж- и лассо-регрессии. Дилемма смещения-дисперсии Чтобы понять, зачем нужны эти методы, обсудим дилемму смещения-дисперсии. В контролируемой среде у модели может быть два основных источника ошибок...