La capacidad de un modelo para desempeñarse bien con datos nuevos y no vistos, en lugar de solo con los ejemplos de entrenamiento.La generalización es la capacidad de un modelo — ya sea una red neuronal o un cerebro biológico — de desempeñarse bien con datos nuevos y no vistos, en lugar de simplemente memorizar los ejemplos de entrenamiento que se le mostraron. Es el objetivo central de cualquier sistema de aprendizaje: un modelo que solo funciona con su conjunto de entrenamiento no ha aprendido verdaderamente el patrón subyacente, sino que se ha sobreajustado al ruido o a peculiaridades específicas de los datos. En física y aprendizaje automático, la generalización es lo que permite que una red entrenada con un conjunto limitado de mediciones prediga resultados para condiciones completamente nuevas, como mapear distribuciones de materia oscura a partir de lentes gravitacionales o predecir el comportamiento de estados cuánticos de la luz.
El concepto se formalizó en las décadas de 1960 y 1970 dentro de la teoría del aprendizaje estadístico, notablemente por Vladimir Vapnik y Alexey Chervonenkis, quienes introdujeron la dimensión de Vapnik-Chervonenkis (VC) para cuantificar la capacidad de generalización de un modelo.
La generalización surge cuando un modelo captura las regularidades subyacentes de los datos en lugar de sus detalles superficiales. Esto se logra mediante técnicas como la regularización, la validación cruzada y el entrenamiento con conjuntos de datos diversos que obligan al modelo a encontrar representaciones compactas y reutilizables. En el cerebro, se cree que la generalización depende de la formación de mapas o esquemas abstractos que pueden aplicarse flexiblemente a situaciones nuevas, como se observa en estudios sobre cómo el cerebro transfiere experiencias pasadas a contextos novedosos. La clave es que el modelo aprende características que son genuinamente predictivas en una variedad de entradas, no solo aquellas que casualmente se ajustan a los ejemplos de entrenamiento.
La generalización es lo que hace útiles a las redes neuronales en física, desde predecir mapas de lentes gravitacionales hasta clasificar estados cuánticos de la luz, y en medicina, donde los modelos entrenados con datos incompletos deben hacer predicciones precisas para nuevos pacientes.
Un modelo que memoriza perfectamente sus datos de entrenamiento casi siempre tendrá un peor desempeño con datos nuevos que un modelo más simple que comete algunos errores en el conjunto de entrenamiento — un fenómeno conocido como el equilibrio entre sesgo y varianza.


















