Inom maskininlärning används ofta begreppen bias och varians för att beskriva olika aspekter av en modells prestanda.
Bias refererar till den systematiska felaktigheten i modellens förutsägelser. En modell med hög bias missar ofta viktiga mönster och strukturer i datan och ger därför en felaktig generalisering.
Exempelvis kan en linjär regression med för få parametrar ha hög bias och därmed ha svårt att passa en komplex kurva.