泛化性能是衡量機器學習模型對新數據適應能力的重要指標。
泛化性能優秀的模型不僅在訓練數據集上表現良好，而且在新的、未見過的數據上也能保持一定的適用性和預測效果。這種能力對於機器學習模型的實際套用至關重要，因為在實際套用中，模型往往需要處理的是它未曾見過的數據。如果模型在訓練數據上表現良好，但在新數據上表現不佳，則說明其泛化性能較差。過擬合和欠擬合是影響模型泛化性能的兩個主要問題，其中過擬合是指模型在訓練數據上表現良好但在新數據上表現差，而欠擬合則是指模型在訓練數據和新數據上的表現都較差。因此，提高模型的泛化性能是機器學習中的一個核心問題。