الحقيقة الأساسية
في مجال التعلم الآلي،الحقيقةيشير إلى قيمة الإعداد الدقيقة لمجموعة التدريب لنتيجة التصنيف في التعلم الخاضع للإشراف، والتي تستخدم عمومًا لتقدير الخطأ وتقييم التأثير.
في التعلم الخاضع للإشراف، تظهر البيانات المصنفة عادةً في شكل (x، t)، حيث يمثل x بيانات الإدخال ويمثل t التسمية. العلامة الصحيحة هي الحقيقة الأساسية، والعلامة الخاطئة ليست كذلك (يطلق بعض الأشخاص أيضًا على جميع البيانات المصنفة اسم الحقيقة الأساسية).
بعبارة أخرى، Ground-truth هو المعيار المرجعي، والذي يستخدم عمومًا لقياس الخطأ. على سبيل المثال، إذا كنت تريد التنبؤ بدرجة الحرارة لفترة زمنية معينة استنادًا إلى بيانات تاريخية، فإن الحقيقة الأساسية هي درجة الحرارة الفعلية للفترة الزمنية المقابلة، ودرجة الحرارة المتوقعة هي الخطأ.
يتم استخدام الحقيقة الأساسية أيضًا في آلية التعلم التعزيزي، والتي تضيف آلية المكافأة والعقاب إلى التعلم. على سبيل المثال، كلما اقتربت مخرجات البرنامج من الحقيقة الأساسية، زاد وزن البيانات التي تنتج هذه النتيجة.