Strojové učení: Význam zobecnění

V kontextu strojového učení „nezobecněný“ označuje model, který nebyl trénován na různorodém souboru dat. Zobecněný model je model, který dokáže zpracovat širokou škálu vstupů a vytvářet přesné předpovědi pro nová, neviditelná data. Na druhou stranu nezobecněný model může dobře fungovat pouze na konkrétních datech, na kterých byl trénován, a nemusí se dobře zobecňovat na nová data. konkrétní doménu (např. obrázky koček), model se může pro tuto doménu příliš přizpůsobit a selhat při zobecnění na nové příklady z různých domén (např. psi). V tomto případě je model považován za nezobecněný, protože nebyl trénován na různorodém souboru dat. širokou škálu vstupů a výstupů. To může pomoci modelu naučit se více zobecnitelné funkce a vzory, které lze aplikovat na nová, neviditelná data.