汎化性能

機械学習モデルが、訓練に使っていない未知のデータに対しても正しく予測を行える能力のことです。機械学習の最終的な目的は、特定のデータへの適合ではなく、将来発生する新しいデータに対して高い予測精度を示すことです。

汎化性能を高めるためには、過学習（オーバーフィッティング）を防ぐことが重要です。訓練データに複雑なモデルを適合させすぎると、ノイズまで学習してしまい、汎化性能が低下します。そのため、正則化手法やドロップアウト、データ拡張などが用いられ、モデルの柔軟性が調整されます。

G検定では、学習プロセスにおけるモデルの評価指標として非常に重要です。テストデータでの精度が低い場合、汎化性能が不足していると判断し、モデルの構造やハイパーパラメータを見直す必要があります。過学習との対比で頻出する概念です。