կողմնակալությունը և տարբերակը մեքենայական ուսուցման երկու կարևոր հասկացություններ են, որոնք նկարագրում են մոդելի կանխատեսումների սխալը: Այս երկու հասկացությունների ըմբռնումը շատ կարևոր է մոդելներ կառուցելու համար, որոնք լավ են ընդհանրացվում նոր տվյալներին և ճշգրիտ կանխատեսումներ են անում:
Կողմնակալությունը վերաբերում է այն սխալին, որը ներկայացվում է մոդելի չափից ավելի պարզեցմամբ: Երբ մոդելը կողմնակալ է, դա նշանակում է, որ այն ենթադրություններ է անում հիմքում ընկած տվյալների վերաբերյալ, որոնք ճշգրիտ չեն: Օրինակ, գծային ռեգրեսիոն մոդելը, որը ենթադրում է գծային հարաբերություն երկու փոփոխականների միջև, կարող է ճշգրիտ չգրանցել ավելի բարդ հարաբերություններ: Սա կարող է հանգեցնել…
