Dans le domaine de l'apprentissage automatique,la véritéFait référence à la valeur de réglage précise de l'ensemble d'entraînement pour le résultat de classification dans l'apprentissage supervisé, qui est généralement utilisé pour l'estimation des erreurs et l'évaluation des effets.

Dans l'apprentissage supervisé, les données étiquetées apparaissent généralement sous la forme (x, t), où x représente les données d'entrée et t représente l'étiquette. L'étiquette correcte est Ground-Truth, et l'étiquette incorrecte ne l'est pas (certaines personnes appellent également toutes les données étiquetées Ground-Truth).

En d’autres termes, Ground-truth est la norme de référence, qui est généralement utilisée pour la quantification des erreurs. Par exemple, si vous souhaitez prédire la température d'une certaine période de temps en fonction de données historiques, la vérité fondamentale est la température réelle de la période de temps correspondante et la température prédite est l'erreur.

La vérité fondamentale est également utilisée dans le mécanisme d’apprentissage par renforcement, qui ajoute un mécanisme de récompense et de punition à l’apprentissage. Par exemple, plus la sortie du programme est proche de la vérité fondamentale, plus le poids des données qui produisent ce résultat est important.

Références

【1】Questions-réponses sur Zhihu : À propos de Ground-Truth