是否有可能提出一个模型来最小化假阳性和假阴性?
可以最小化到一个点,例如贝叶斯错误阈值。
是否有可能提出一个模型来最小化假阳性和假阴性?
可以最小化到一个点,例如贝叶斯错误阈值。
是与否!取决于最小化是什么意思。当你说根据某事最小化和时,你实际上是在寻找一个最小化两者的点。这并不意味着该点一定会找到或的最小值。所以在这个意义上是的。
但是,如果您的意思是它们都处于最小值时,这种情况在实践中是不现实的,因为通常增加其中一个意味着减少另一个。看看下面的情节。FRR 表示错误拒绝率,FAR 表示错误接受率,EER 表示相等错误率。这是生物识别中使用的术语,这是一个基于 ML 的研究人员识别/识别的领域。
它说明了我上面解释的内容。
您应该考虑每个错误的重要性。在某些用例(包括一些生物识别用例)中,您可能会为另一个错误牺牲一个错误。在这些情况下,您可以在不真正关心另一个错误的情况下将需要最小化的错误最小化(当然也尽量将另一个错误保持在尽可能低的水平,但不是最重要的)。
例如,我有一个人脸识别系统,它可以向允许的用户打开一个高度机密的军事站点的大门。我应该尽量保持低 EER 吗?一定不。如果有时门没有为允许的人打开,那没关系(最多他们会抱怨一点),但不能为不允许的人打开门,所以在这里你关心保持 FAR 低。
希望它有所帮助