Ground truth
最近在做计算机视觉方面的一些工作,刚刚入行,懂得比较少,很多东西需要慢慢学习积累。即日起开始总结部分内容,以自己复习为根本出发点,可能比较low,无所谓啦~
机器学习经常遇到ground truth一词,根据知乎回答,字面意思为地面真值,地面实况,可理解为以某种参考值为认定的真实值。比如,对某医学图像,含解剖结构,找某个医生进行边缘勾画,这个参考值,就成为了算法评价采用的真实值。具有实地考察、测量的意思。由于这个值是这个医生勾画的,以他的经验为依据,因此本质上还是参考值。
知乎lee philip解释如下:
机器学习包括有监督学习(supervised learning),无监督学习(unsupervised learning),和半监督学习(semi-supervised learning)。在有监督学习中,数据是有标注的,以(x, t)的形式出现,其中x是输入数据,t是标注。正确的t标注是ground truth, 错误的标记则不是。(也有人将所有标注数据都叫做ground truth)由模型函数的数据则是由(x, y)的形式出现的。其中x为之前的输入数据,y为模型预测的值。标注会和模型预测的结果作比较。
在损耗函数(loss function / error function)中会将y 和 t 作比较,从而计算损耗(loss / error)。 比如在最小方差中:
因此如果标注数据不是ground truth,那么loss的计算将会产生误差,从而影响到模型质量。比如输入三维,判断是否性感:
1. 错误的数据
标注数据1 ( (84,62,86) , 1),其中x =(84,62,86), t = 1 。 标注数据2 ( (84,162,86) , 1),其中x =(84,162,86), t = 1 。 这里标注数据1是ground truth, 而标注数据2不是,也就是说,数据2被标记错误了。
预测数据1 y = -1
预测数据2 y = -1
2. 正确的数据
标注数据1 ( (84,62,86) , 1),其中x =(84,62,86), t = 1 。
标注数据2 ( (84,162,86) , 1),其中x =(84,162,86), t = -1 。 (改为ground truth)这里标注数据1和2都是ground truth。
预测数据1 y = -1
预测数据2 y = -1
由于使用错误的数据,对模型的估计比实际要糟糕。另外,标记数据还被用来更新权重,错误标记的数据会导致权重更新错误。因此使用高质量的数据是很有必要的。
参考知乎链接:https://www.zhihu.com/question/22464082/answer/21443035