Önyargı ve Varyans, Makine Öğreniminde model seçiminde ve performans optimizasyonunda önemli rol oynayan iki temel kavramdır.
Önyargı, bir modelin girdi verileri ile beklenen çıktı arasındaki temel ilişkiyi ne kadar iyi yakaladığının bir ölçüsüdür. Yüksek yanlılığa sahip bir model aşırı basit olabilir ve verilerdeki önemli kalıpları göz ardı edebilir, bu da yeni durumlara uygulandığında performansın düşmesine neden olabilir. Aksine, düşük yanlılığa sahip bir model çok karmaşık olabilir, bu da aşırı uyum ve daha az kararlı tahminlere yol açabilir.
Varyans ise bir modelin tahminlerinin kendisine verilen verilere göre ne kadar değiştiğini ölçer. Yüksek varyansa sahip bir model, eğitim verilerindeki küçük değişikliklere karşı aşırı duyarlı olma eğilimindedir ve bu da verilen veri kümesinin ötesinde genelleme yapmayı zorlaştırır. Tersine, düşük varyansa sahip bir model daha sağlam tahminler sunacaktır ancak tüm veri aralığını yakalamada o kadar doğru olmayabilir.
Optimal model önyargı ve varyans arasında bir denge kurmalıdır; Her ikisinin de fazlası düşük performansa yol açabilir. Bu genellikle, herhangi bir Makine Öğrenimi modelinin optimizasyonunda önemli bir kılavuz sağlayan Önyargı-Varyans Dengesi olarak anılır.
