归纳偏置inductive bias

归纳偏置（inductive bias）是机器学习模型或学习算法为了从有限的训练数据泛化到未见过的数据而预先具有的假设或偏好，体现在模型架构、训练方法和正则化方式等选择中。

例如，卷积神经网络（CNN）在结构中内置了相邻像素关系密切、同一模式可能出现在图像任何位置的假设。合适的归纳偏置能让模型用更少的数据学好，而错误或过强的假设则可能限制模型性能。

本条目依据AIPOST的文章与广为人知的事实整理。如有错误，请通过更正请求告诉我们。