46、机器学习中的重要概念与理论

机器学习中的重要概念与理论

1. 条件随机场（Conditional Random Field）

条件随机场是一种用于分割和分类序列数据的图形模型，它是生成学习马尔可夫链模型在判别学习方面的对应模型。其推荐阅读资料中，Lafferty、McCallum 和 Pereira 在 2001 年的研究《Conditional random fields: probabilistic models for segmenting and labeling sequence data》对其进行了探讨，该研究发表于第 18 届国际机器学习会议的论文集中。

2. 确证理论（Confirmation Theory）

确证理论是哲学的一个分支，主要关注证据如何（以及是否）能够确证一个假设，尽管通常证据并不必然蕴含该假设。有时会区分总确证和证据权重这两个概念：
- 总确证：指在所有可用证据的情况下，一个假设的确证程度。
- 证据权重：指某一特定证据为假设的总确证增加的额外确证量。
确证程度通常通过假设在证据条件下的概率来衡量。

3. 混淆矩阵（Confusion Matrix）

混淆矩阵用于总结分类器相对于某些测试数据的分类性能，它是一个二维矩阵，一个维度以对象的真实类别为索引，另一个维度以分类器分配的类别为索引。

3.1 三分类任务示例

实际类别 \ 分配类别	A	B	C