泛化能力

泛化能力是指：

機器學習算法對新鮮樣本的適應能力，即在原有的數據集上添加新的數據集，通過訓練後模型能輸出一個合理結果的能力。也可以說是一種舉一反三的能力，或者叫做學以致用的能力。

學習的目的是學到隱含在數據背後的規律，對具有同一規律的學習集以外的數據，經過訓練的網路也能給出合適的輸出，該能力稱為泛化能力。

泛化能力的對立面是過擬合，過擬合是對於數據的精確擬合。

泛化能力本質上重要的性質，現實中採用最多的辦法是通過測試誤差來評價學習方法的泛化能力。

通常期望經訓練樣本訓練的網路具有較強的泛化能力，因為網路的性能主要用它的泛化能力來衡量。

用比較直白的話來講，泛化能力就是通過數據訓練學習的模型，在真實場景的表現能力。如果模型在真實場景中表現良好，說明泛化能力好；如果表現很差，說明泛化能力就差。