真実/現実のグラウンドトゥルース
機械学習の分野では、真実一般的に誤差推定や効果評価に用いられる教師あり学習における分類結果のトレーニングセットの正確な設定値を指します。
教師あり学習では、ラベル付きデータは通常 (x, t) の形式で表示されます。x は入力データを表し、t はラベルを表します。正しいラベルは Ground-Truth であり、間違ったラベルはそうではありません (すべてと呼ぶ人もいます)。ラベル付きデータ Ground-Truth)。
つまり、グラウンド トゥルースは、エラー率検出のエラー定量化に一般に使用される参照標準です。たとえば、履歴データに基づいて特定の期間の温度を予測する場合、グラウンド トゥルースが実際の基準となります。対応する期間の気温、予測温度はエラーです。
グラウンドトゥルースは、報酬と罰の学習メカニズムの強化学習でも使用されます。つまり、学習に報酬と罰のメカニズムを追加すると、たとえば、プログラムの出力がグラウンドトゥルースに近づくほど、その重みが大きくなります。この結果を生み出すデータ。