サンプリングバイアス

サンプリングバイアスは、データを収集する際に、母集団を正しく反映していない偏った標本（サンプル）を選んでしまう現象です。機械学習においては、データセットの質が予測精度に直結するため、非常に重要な概念です。

例えば、特定の時間帯や特定の属性のデータばかりを集めると、機械学習モデルはその偏った傾向を真実として学習してしまいます。その結果、実運用時に未知のデータに対して誤った予測を行ってしまうリスクが生じます。

これを防ぐためには、データ収集段階でのランダムサンプリングや、データの偏りを統計的に補正する処理が必要です。G検定では、データセットの設計において注意すべき落とし穴として出題されます。