原文链接:https://www.zhihu.com/question/22464082
ground truth :
表示的机器学习中的标签。在机器学习中,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,错误是标记则不是。
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。
标注回合模型预测结果作比较,在损耗函数(loss function/error funtion)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,从而影响到模型的质量。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((8,4,162,86),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。
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)
由于使用错误的数据,对模型的估计实际要糟糕。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。
在半监督学习中对标记数据也要进行比较