机器学习ground truth

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：

$$\frac{1}{2m} \sum_{i=1}^{m}(y-t)^{2}$$

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

$$Loss = 2$$
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
$$Loss = 1$$
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