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。

你可能感兴趣的:(Computer,Vision,dataset,机器视觉,分类器)