机器学习中的正负样本

参考：
机器学习中的正负样本 - rainsoul - 博客园

关于机器学习中如何区分正负样本？ - 知乎

问题分为分类问题与检测问题两个方面。

• 在分类问题中，这个问题相对好理解一点，比如人脸识别中的例子，正样本是人脸的图片，负样本的选取就与问题场景相关，如果要进行教室中学生的人脸识别，那么负样本就是教室的窗子、墙等等。

在检测的问题中，因为检测问题需要定位与回归，也就是既要给出框，又要说明框中是什么，我们所具备的数据是一些人工标注的图片，这些图片上有先验框，并且会给出框中的物体类别，我们需要运用这些数据生成训练中的正负样本数据，参考了faster以及SSD两种检测框架中对于正负样本的选取准则，我的理解如下：

• 首先，检测问题中的正负样本并非人工标注的那些框，而是程序中（网络）生成出来的框，也就是faster rcnn中的anchor boxes以及SSD中在不同分辨率的feature map中的默认框，这些框中的一部分被选为正样本，一部分被选为负样本，另外一部分被当作背景或者不参与运算。不同的框架有不同的策略，大致都是根据IOU的值，选取个阈值范围进行判定，在训练的过程中还需要注意均衡正负样本之间的比例。
  生成框----->根据IOU的值----->选出预测框的正负样本
• 在fast的框架中，也是需要多SS算法生成的框框与GT框进行IOU的判断，进而选取正负样本，总之，正负样本都是针对于程序生成的框框而言，而非GT数据。

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。