generalization
Evnen hos en model til at præstere korrekt på nye, usete data efter at være trænet på et begrænset datasæt.
Kort fortalt
Kort fortalt: generalisering handler om, hvor godt en model kan anvende det, den har lært fra træningsdata, til at forudsige eller klassificere nye eksempler.
- Kategori
- begreb
- Niveau
- øvet
- Udtale
- /ˌdʒɛnərəlaɪˈzeɪʃən/
Betydninger
1- 1
I maskinlæring: modellens evne til at give præcise forudsigelser på data, som den ikke er blevet trænet på.
- En neural netværksmodel med god generalisering opnår høj nøjagtighed på testdata. — Goodfellow et al., Deep Learning, 2016
- Regulariseringsteknikker som dropout forbedrer generaliseringen ved at reducere overfitting. — Srivastava et al., Dropout: A Simple Way to Prevent Neural Networks from Overfitting, 2014
Hvornår bruges det
Generalisering er central ved evaluering af maskinlæringsmodeller: en model med god generalisering har lille forskel mellem trænings- og testperformance. Overvågning af generaliseringsfejl (generalization gap) er afgørende for at undgå overfitting.
Oprindelse
Fra latin 'generalis' (almindelig, generel) via engelsk 'generalization'.
Afledte ord
2Kilder
2- Deep Learning (Goodfellow, Bengio, Courville)
- Understanding Machine Learning: From Theory to Algorithms (Shalev-Shwartz & Ben-David)