leave-one-out之个人理解

1.Leave-one-out：

　　最近在看机器视觉相关的文献，无意中看到leave-one-out一词（LOO），初次见面很是费解，不由得搜索一番。发现LOO是机器学习领域的词汇，国内的文献中，这个词被翻译的五花八门，诸如：舍一法，留一法，排一法等，个人最倾向于“留一法”或者“差一法”的翻译。

　　缘由如下：The leave-one-out (LOO) method was used to train and test the classifier. The LOO-based validation is performed considering all images in the dataset. Given a dataset of n samples, the LOO-based validation is performed with n iterations, such that in each iteration the classifier is trained with n - 1 samples and tested on the remaining one sample. 

　　大意是：留一法交叉验证是一种用来训练和测试分类器的方法，会用到图像数据集里所有的数据，假定数据集有N个样本（N1、N2、...Nn），将这个样本分为两份，第一份N-1个样本用来训练分类器，另一份1个样本用来测试，如此从N1到Nn迭代N次，所有的样本里所有对象都经历了测试和训练。

2.分类器的评价：

N次迭代的精度可以用来估计分类器的精度，分类器的好坏可以以下面的方程为评价指标：

TP (True Positive): 真正类数量，

FP (False Positive):假正类数量，

TN (True Negative): 真负类数量，

FN (False Negative): 假负类数量。