如 線性迴歸 計算各個符記 預測偏誤 是一項快速檢查，可找出模型或訓練資料相關問題 從過往經歷來看，Google 在 初期就遇到資料處理方面的難題
預測偏誤是指模型平均值差異 預測 以及平均值 實際資料 資料。使用資料集訓練的模型 其中 5% 的電子郵件是垃圾郵件預測的 所分類的電子郵件為垃圾郵件。也就是說 真值資料集為 0.05，而模型預測結果的平均值 且 0.05在這種情況下，模型的預測偏誤為零。/ 模型可能仍有其他問題
但如果模型預測電子郵件成為垃圾郵件的機率為 50%，則 訓練資料集出錯時 或模型本身不限 代表模型 導致模型出現偏誤
下列原因可能造成預測偏誤：
- 資料中的偏誤或雜訊，包括訓練集的偏誤取樣
- 過於強正規化，意味著模型過度簡化而遺失 達到特定目的
- 模型訓練管道中的錯誤
- 提供給模型的功能組合不足以執行工作