标题机器学习中正负样本定义
eg:二分类(class one: 位置错误信息;class two: 位置正确信息)
一般性模型优化的定义无所谓严格区分正负样本。实际中,应该以目标为导向,如果你的目标是识别出位置错误的信息,那么你应该定义位置错误的样本是正样本,然后根据选好的数据集进行相应的优化。如果你的目标是为了识别出位置正确的样本,那你应该定义位置正确的样本是正样本。至于为什么要根据目标来定义正样本,因为你在优化损失函数的时候,是根据预测错误的正样本来进行优化的,如果你的目标定义错误的话,你的优化方向可能是反过来的,特别是对正负样本不平衡的数据集来说。