机器学习中，“泛化能力”指的是模型对什么数据的预测准确性？（ ）A. 训练数据B. 未见过的新数据C. 人工标注数据D. 噪声数据

本题考查机器学习中“泛化能力”的基本概念。解题思路是明确泛化能力的定义，然后根据定义来判断各个选项是否正确。

泛化能力是机器学习中一个非常重要的概念，它衡量的是一个训练好的模型在面对未在训练过程中出现过的数据时，依然能够准确进行预测的能力。

• 选项A：训练数据是模型在训练过程中使用的数据，模型在训练数据上的表现通常被称为训练误差。模型在训练数据上表现好并不意味着它在其他数据上也能表现好，所以训练数据不能体现模型的泛化能力，A选项错误。
• 选项B：未见过的新数据正是泛化能力所关注的对象。如果一个模型在未见过的新数据上能够有较高的预测准确性，就说明该模型具有良好的泛化能力，B选项正确。
• 选项C：人工标注数据是用于训练模型的数据的一种来源，它本质上还是属于训练数据的范畴，不能代表模型对未见过数据的处理能力，即不能体现泛化能力，C选项错误。
• 选项D：噪声数据是包含错误或干扰信息的数据，虽然模型需要具备一定的抗噪声能力，但这和泛化能力的核心概念——对未见过的新数据的预测准确性是不同的，D选项错误。