“unbiased”（无偏）在统计学和机器学习中通常表示一个估计量或者模型的预测不受系统性偏差的影响，即其期望值等于真实值。在实际应用中，如果一个估计量或者模型是无偏的，那么它的平均预测值将在大量重复试验中趋向于真实值。

例如，在统计学中，如果对一个参数进行估计的方法是无偏的，那么该方法的平均估计值将接近真实参数值。在机器学习中，如果一个模型是无偏的，那么它的预测结果将在长期预测中不受系统性偏差的影响，从而更加可靠。

总的来说，无偏性是一个重要的性质，因为它可以确保估计量或者模型的预测在长期使用中能够稳定地接近真实值，从而提高了模型的可靠性和准确性。