Essie2022-02-20 16:46:53

你好，generalization是泛化，指机器学习算法对新鲜样本的适应能力。模型学习的目的是学到隐含在数据背后的规律，对具有同一规律的学习集以外的数据，经过训练的模型也能给出合适的输出，该能力称为泛化能力。简单点说就是模型能很好的预测样本内数据，也能很好的预测样本外数据。如果是说bad generalization就是泛化能力不好，也就是说，模型虽然在样本内数据中表现的不错，但是应对样本外数据，其准确性就大大下跌了，这种情况就被称为模型的过拟合。
而underfitting是欠拟合，是说模型对样本内数据预测的准确性都比较低，这种情况也就是你提问中举的例子，我们就会直接对模型进行优化和调试，继续在样本内数据实验。根本不会用到样本外数据，也就是说还没到泛化那一步。只有模型在样本内有了好的预测能力，我们才会引入样本外数据进行泛化。