В чем разница между высокой производительностью модели на обучающих данных и ее обобщающей способностью?

Разница между высокой производительностью модели на обучающих данных и её обобщающей способностью заключается в том, что первая характеристика оценивает работу модели на конкретных примерах, а вторая — на новых, ранее не встречавшихся данных. colab.research.google.com data-light.ru

Высокая производительность на обучающих данных может быть результатом переобучения, когда модель слишком точно подстраивается под них, запоминая не только полезные закономерности, но и случайный шум. data-light.ru В таком случае модель демонстрирует высокую точность на тренировочных примерах, но плохо справляется с новыми данными. data-light.ru Это говорит о том, что модель обладает низкой обобщающей способностью. data-light.ru

Обобщающая способность, в свою очередь, означает, что модель хорошо справляется не только с обучающими данными, но и с новыми, ранее не виданными данными (тестовыми данными). dzen.ru

Таким образом, цель обучения модели — не только хорошо работать на данных, на которых она была обучена, но и сохранять высокую точность на данных вне обучающей выборки. colab.research.google.com