模型泛化（Generalization）是机器学习中的一个核心概念，描述了模型在训练数据之外的新数据上的表现能力。泛化能力衡量的是模型能否在未见过的样本上做出正确的预测或推断。当训练机器学习模型时，模型会基于训练数据中的模式进行学习。训练数据只是现实世界的一个有限子集，为了让模型在真实场景中表现良好，需要具备从有限的训练数据中学到的知识有效地应用到新的、未见过的数据上的能力，这就是泛化。