汎化性能
解説
汎化性能（Generalization Performance）とは、学習済みモデルが「未知のデータ（学習に使っていない新しいデータ）」に対して、どれだけ正しく予測できるかを示す能力のことです。
機械学習モデルは、手元の訓練データを使って規則性を学習しますが、最終的に重要なのは「見たことのないデータ」に対しても正しく判断できるかどうかです。
例えば、猫の写真を大量に学習したモデルが、別の新しい猫の写真を見せられたときに正しく「猫」と認識できるかどうかが、汎化性能の高さを示します。
汎化性能が低い場合、訓練データに過度に適応してしまう「過学習」が起きている可能性があります。汎化性能を高めるためには、適切なデータ分割、正則化、交差検証、モデルの複雑さの調整などが重要となります。
G検定対策
出題ポイント
- 定義：「未知データへの対応力」を示す指標であること。
- 関係性：過学習が起きると汎化性能が低下する（訓練誤差は小さいが、汎化誤差が大きい状態）。
- 用語：訓練データに対する性能（訓練精度）と区別する。
ひっかけ対策
- × 訓練データで高精度なら、汎化性能も高いと言える
（解説）言えません。訓練データだけ成績が良くても、それは「丸暗記（過学習）」しているだけの可能性があります。
