展开全部
泛化能力指,机器学习方法训练出来一个模型,对于已知的数据(训练集)性能表现良好,对于未知的数据(测试集)也应该表现良好的机器能力。
试集的误差,也被称为泛化误差。
在机器学习中,泛化能力的好坏,最直观表现出来的就是模型的过拟合(overfitting)与欠拟合(underfitting)。
过拟合和欠拟合是用于描述模型在训练过程中的两种状态,一般来说,训练会是这样的一个曲线。下面的training error,generalization error分别是训练集和测试集的误差。
扩展资料:
泛化能力的性质:
通常期望经训练样本训练的网络具有较强的泛化能力,也就是对新输入给出合理响应的能力。
应当指出并非训练的次数越多越能得到正确的输入输出映射关系。网络的性能主要用它的泛化能力来衡量。
参考资料来源:百度百科-泛化能力
展开全部
“机器学习的目标很少是去复制训练数据,而是预测新情况。也就是说,我们希望对于训练集之外的输入(其正确的输出并没有在训练集中给出)能够产生正确的输出。训练集上训练的模型在多大程度上能够对新的实例预测出正确输出称为泛化。”
参考资料: http://book.51cto.com/art/200906/130579.htm
已赞过
已踩过<
评论
收起
你对这个回答的评价是?
展开全部
经过训练的网络对于不是样本集的输入也能给出合适的输出,该性质称为泛化能力。应当指出并非训练的次数越多越能得到正确的输入输出映射关系。网络的性能主要用它的泛化能力来衡量。
已赞过
已踩过<
评论
收起
你对这个回答的评价是?
推荐律师服务:
若未解决您的问题,请您详细描述您的问题,通过百度律临进行免费专业咨询