核心概念
泛化
模型在训练未见但符合目标使用情境的数据上保持有用表现的能力。
泛化能力 generalisation
简明解释
泛化（generalization）是模型在训练未见但符合目标使用情境的数据上保持有用表现的能力。用过去月份训练并在未来月份评价是在检查一种时间泛化；结果只适用于所覆盖的地区、时间与测量条件。[1, Chapters 2, 4–5]
别和什么混淆
泛化不是训练拟合，也不是对任意分布都可靠。必须先说明未见数据与目标部署情境之间的关系，测试一次通过更不是永久保证。
在本书中
本页参考来源
- Shalev-Shwartz S, Ben-David S. Understanding Machine Learning — From Theory to Algorithms [M]. Cambridge University Press, 2014. 定位：Chapters 2, 4–5. 稳定来源（访问 ）。