Глоссарий

Способность аналитической модели, построенной на основе обучения (нейронной сети, дерева решений, карты Кохонена и др.) выдавать правильные результаты не только для примеров, участвовавших в процессе обучения, но и для любых новых, которые не участвовали в нем. Обобщающая способность является важнейшим свойством аналитической модели, приобретаемым в процессе обучения.

Если по какой-либо причине модель не приобрела способность к обобщению, ее практическое использование бессмысленно, поскольку на любой пример из обучающего множества она всегда будет выдавать правильный результат, а на любой новый пример – произвольное значение. Способность к обобщению модель может приобрести только за счет большого числа разнообразных комбинаций входных и целевых значений в примерах обучающего множества. При этом число обучающих примеров должно в несколько раз превышать информационную емкость модели.

Для проверки обобщающей способности модели используется тестовое множество, формируемое из примеров обучающей выборки, не использовавшихся в процессе обучения. Если модель обеспечивает низкую выходную ошибку как на обучающем, так и на тестовом множестве, то с высокой долей уверенности можно утверждать, что она приобрела обобщающую способность. Если низкая ошибка имеет место только на обучающем множестве, а на тестовом она высокая, то, скорее всего, способность к обучению не была достигнута.