실제 진실
머신러닝 분야에서는진실지도학습에서 분류 결과에 대한 학습 세트의 정확한 설정값을 말하며, 일반적으로 오차 추정 및 효과 평가에 사용됩니다.
지도 학습에서 레이블이 지정된 데이터는 일반적으로 (x, t)의 형태로 나타납니다. 여기서 x는 입력 데이터를 나타내고 t는 레이블을 나타냅니다. 올바른 레이블은 Ground-Truth이고, 잘못된 레이블은 Ground-Truth가 아닙니다(일부 사람들은 레이블이 지정된 모든 데이터를 Ground-Truth라고 부르기도 합니다).
다시 말해, Ground-truth는 일반적으로 오류 정량화에 사용되는 참조 표준입니다. 예를 들어, 과거 데이터를 기반으로 특정 기간의 기온을 예측하려는 경우 실제 기온은 해당 기간의 실제 기온이고 예측 기온은 오차입니다.
기준 진실은 보상과 처벌 메커니즘을 학습에 추가하는 강화 학습 메커니즘에도 사용됩니다. 예를 들어, 프로그램의 출력이 실제 결과에 가까울수록 이 결과를 생성하는 데이터의 가중치가 커집니다.