Generalisointivaje

Generalisointivaje on käsite, jolla tarkoitetaan puutetta yleistää opitut tiedot tai säännöt uusiin, aiemmin näkemättömiin tilanteisiin. Sitä käytetään sekä kognitiivisessa tutkimuksessa että opetuksessa sekä koneoppimisessa. Tavoitteena on ymmärtää, millä tavoin oppiminen johtaa yleistämiskykyyn ja milloin oppi ei siirry laajasti uusiin konteksteihin.

Ihmisen oppimisessa generalisointivaje voi ilmetä, kun opittu tieto ei siirry uudessa kontekstissa tai erilaisiin tehtäviin. Tämän seurauksena taitoja tai sääntöjä ei pysty soveltamaan joustavasti, ja oppija turvautuu usein muistamiseen tai rajoittuneisiin esimerkkeihin. Generaalisointivaje voidaan nähdä vastakohtana ilmiöille, kuten yleistyksen liialliselle soveltamiselle tai muistinvaraiselle oppimiselle.

Koneoppimisessa generalisointivaje tarkoittaa, että malli suoriutuu hyvin koulutusdatalla mutta heikosti aiempia näkemyksiä muistuttavalla, näkemättömällä datalla. Generalisaatioero eli gap mitataan erotuksena koulutus- ja testisuorituksessa. Syitä voivat olla ylisuuri mallin monimutkaisuus (overfitting), datan vähäisyys tai epätasainen jakauma, jakaumamuutokset tai puutteellinen mutta laadukas valmennusdata.

Ehkäisy ja parantaminen sisältävät säännöllistämisen (regularisointi), varhaisen pysäytyksen, paremman datan ja sen monipuolistamisen, data augmentaation sekä harkitun arkkitehtuurin valinnan. Myös koodin ja datan laadun varmistaminen sekä toimivan validation-käytännön ylläpitäminen auttavat tunnistamaan ja vähentämään generalisointivajetta.

Lisäksi: liittyviä käsitteitä ovat generalisaatio, overfitting sekä induktiivinen vinouma.