inductive bias귀납적 편향

inductive bias(귀납적 편향)는 기계 학습 모델이나 학습 알고리즘이 유한한 학습 데이터에서 본 적 없는 데이터로 일반화하기 위해 미리 갖는 가정이나 선호다. 모델 구조, 학습 방법, 정규화 방식 등에 담긴다.

예를 들어 합성곱 신경망(CNN)은 가까운 픽셀끼리 관련이 깊고 같은 패턴이 이미지 어디에나 나타날 수 있다는 가정을 구조에 담는다. 알맞은 inductive bias는 적은 데이터로도 잘 배우게 하지만, 가정이 틀리거나 지나치게 강하면 모델의 성능을 제한할 수 있다.

이 설명은 AIPOST 기사와 널리 알려진 사실을 바탕으로 정리했습니다. 잘못된 내용이 있으면 정정 요청으로 알려 주세요.