置信機制與自助法
一、置信機制
參考文獻：
[1] 蔣方純, 田盛豐, 尹傳環. 機器學習置信度機制研究綜述[J]. 北京交通大學學報, 2014, 38(3):111-117.
直接構造置信度
- 歸納式——-貝葉斯方法
- 直推式——-基於算法的隨機性，根據已知樣本與未知樣本的特徵關係，得出置信度和結果
間接轉換置信度
- 模糊隸屬函數
- 神經網絡
設置置信度閾值
設置閾值，將樣本空間分爲拒絕區域和接受區域，只對接受區域進行分類，捨棄拒絕區域，排除可能引起錯誤判斷的樣本，降低分類的錯誤率。
接受區域的範圍爲
n*
二、自助法
https://www.jianshu.com/p/708dff71df3a
自助法：容量爲n的樣本N中有放回的抽取n個樣本作爲一個booststrap sample，重複進行B次(一般爲1000)，得到B個booststrap samples。
自助法是一種對於小樣本數據的抽樣方法，可以增加樣本數量，對於數據量較小的數據集訓練，很有效果。
三、基於自助法的置信閾值求解
應用自助法對每一類數據進行抽樣，B個樣本集，將每一個樣本集輸入訓練好的網絡，預測樣本集中每一樣本屬於這一類的概率，進行排序，根據置信閾值公式求解B個樣本集的置信閾值爲