バイアスとバリアンス | Nana-Korobi統計モデルを作製するアルゴリズムの評価 統計モデルを作製する（学習する）アルゴリズムの良し悪しを測る指標としてバイアス (Bias)とバリアンス (Variance)がある。参考ページにも記載されているが、”モデルそのものの性能” を評価するための指標ではないことに注意する。 以下の図に示すように、モデル精度の悪さをバイアス、モデル作製の不安定さ（再現性の悪さ）をバリアンスと定義する。 理想的なモデル作製アルゴリズムは、低いバイアス・低バリアンスなもの。 バイアスとバリアンスはトレードオフ 直感的には、 モデルが単純 ⇒ 性能は良くないが、教師データに対して安定 ⇒ 高バイアス・低バリアンス モデルが複雑 ⇒ 性能は良いが、教師データに対して不安定（過学習など） ⇒ 低バイアス・高バリアンス であるため、両者はトレードオフの関係にあると言える。回帰モデルの正則化手法と絡めて考えると、 L1
