Bias Term

定义 Definition

bias term（偏置项）：在线性模型、神经网络等机器学习模型中，额外加入的一个常数项（常写作 b），用于在不改变输入特征的情况下平移模型的输出，使模型不必被迫经过原点，从而提升拟合能力。在线性回归中常见形式为 (y = wx + b)，其中 (b) 就是偏置项。（在其他语境中 bias 还有“偏见/偏差”等含义。）

发音 Pronunciation (IPA)

/ˈbaɪəs tɜːrm/

例句 Examples

The bias term lets the model fit the data even when all features are zero.
偏置项使模型即使在所有特征都为零时也能拟合数据。

In logistic regression, adding a bias term shifts the decision boundary and can improve classification performance.
在逻辑回归中，加入偏置项可以平移决策边界，并可能提升分类效果。

词源 Etymology

bias 源自中古法语 biais，原义与“斜向/倾斜”有关，后来引申为“偏向、偏差”；term 来自拉丁语 terminus，意为“界限、项”。合起来 bias term 字面上可理解为“用于引入偏移/偏差的一项”，在机器学习里专指模型中的常数偏移量。

相关词 Related Words

• Intercept
• Offset
• Weight
• Parameter
• Feature
• Linear Model
• Logistic Regression
• Affine Transformation
• Decision Boundary
• Regularization

文学与著作中的用例 Literary Works

• Ian Goodfellow, Yoshua Bengio, Aaron Courville：《Deep Learning》——在神经网络与线性/仿射变换的介绍中常以 bias（偏置）与 bias term 讨论。
• Christopher M. Bishop：《Pattern Recognition and Machine Learning》——线性模型、逻辑回归与广义线性模型章节中常出现 bias / bias term（常与 intercept 并列）。
• Trevor Hastie, Robert Tibshirani, Jerome Friedman：《The Elements of Statistical Learning》——在回归与分类模型的参数化表达中涉及截距/偏置项的概念与作用。
• Andrew Ng（课程讲义/笔记，常见于机器学习入门材料）——解释线性回归、逻辑回归时常把 bias term 作为 intercept 或添加常数特征的方式呈现。