机器学习基石-08-3-Algorithmic Error Measure
2017-11-06 11:08
211 查看
指纹识别的例子中,存在两种error:第一种是false reject是有权限进入的人却被拒绝访问了;false accept是没有访问权限的人被错误标记成有权限的人了。
举两个生活中例子
1.超市通过指纹识别来判断是否要给这个顾客一些折扣:
false accept:不应该给折扣的给了一点折扣,并没有什么特别大的影响;
false reject:应该给折扣的却没给,顾客会很生气以后再也不来了,相对来说会对超市造成比较大的影响。
2.CIA指纹识别进入机密资料室
false accept:会产生很恶劣的后果!
false reject:没有什么特别大的影响,无非就是再识别一次。
所以在这两个例子中false accept和false reject的重要程度不一样,这就是这节课的重点找到一个满足成本表的error。而不是之前的error measure。
Algorithmic Error Measure
但是在实际中,要找到符合成本表的error measure是比较困难的,比如说CIA的false accept是1000倍的重要性,现实生活中怎么去得到这样的一个精确的倍数呢,比较困难。所以有以下3种情况可以得到想要的error measure。
第一种就是error就恰好是最好的,此时的error冒就是error;
第二种是只要能找到合适的理由来证明你的选择就可以了,比如,在pocket算法中是要求noisy很小很小,所以0/1 error很小的时候对于pocket来说就是很好的方法;
第三种是更加容易使其对算法A进行优化,原理就是找到一个很接近的“替代品”来完成Ein(g)很小的目的。
FUN TIME
相关文章推荐
- 机器学习基石 8.3 Algorithmic Error Measure
- 公开课 | 机器学习基石08 Noise and Error
- 机器学习基石-08-4-Weighted Classification
- [台大机器学习笔记整理]noise and error measure以及在此基础上Learning flow的扩展
- 机器学习基石-08-2-Error Measure
- 林轩田-机器学习基石 课堂笔记(八) Noise and Error
- 机器学习基石第八讲:noise and error
- 机器学习基石-Noise and Error
- 机器学习基石-10-3-Gradient of Logistic Regression Error
- 台湾国立大学机器学习基石.听课笔记(第八讲):Noise and Error
- 6. 机器学习基石-Why can Machine Learn? - Noice and Error
- 机器学习基石-10-2-Logistic Regression Error
- NTU-Coursera机器学习:Noise and Error
- 机器学习基石第二次作业
- 台大-林轩田老师-机器学习基石学习笔记2
- 机器学习基石第二讲 Learning to Answer Yes/No
- 机器学习基石第九讲:linear regression
- Bias(偏差),Error(误差),Variance(方差),和K-fold Cross Validation的关系(机器学习核心)
- 机器学习基石-Regularization
- 一张图搞定机器学习的种类(机器学习基石)