这是一个基于理解的问题，使用阈值方法进行面部识别。我用非专业术语来理解我们如何使用以下步骤识别具有阈值的面部：
我理解这个过程一直到第6步。我收集到阈值是保留数据的百分比，但我不明白为什么我们会改变这个值。即。为什么我们会让它更小/更大，我们怎么知道我们应该做什么呢？ 任何解释都将不胜感激。
答案 0 :(得分：0)
你真的认为典型的外行人会理解使用“本征空间”这个词的描述吗？此外，这不是一个真正的软件问题，因此在技术上是偏离主题的。
你所询问的概念由“检测理论”描述。
检测理论的基础涉及进行测量的传感器系统。这些测量结果会对环境造成一些干扰。在理想的世界中，除非实际存在感兴趣的东西，否则测量将是一定的。但现实世界并非如此。在现实世界中，即使没有任何感兴趣的东西，也会有被测量的干扰（称为噪声或背景），并且这些测量将具有一些分布。如果存在某些东西，它引起的干扰会叠加在背景上，而测量值则是两者的总和（通常无法区分它们）。
因此，当我们的传感器进行测量时，需要一些决策标准来确定是否存在实际感兴趣的东西。通常，测量值以数值表示（直接或在处理之后）。调用检测（或进行面部识别时匹配）的一个常用标准是计算某些数值测量值，并在测量值超过某个其他选定值（阈值）时调用检测。
每个阈值与四个条件概率相关联：检测概率或真阳性（当存在要匹配的事物时调用匹配），虚警概率（当没有任何内容匹配时调用匹配），概率假阴性（当存在某些东西时不会调用存在的东西），并且是真正的否定（在没有任何东西时不会调用存在的东西）。
概率取决于背景分布和感兴趣的实际干扰的分布。在理想世界中，我们总是做出正确的呼叫，即检测概率为100％，真阴性概率为100％，误报概率或假阴性为零。现实世界不是那种，所以我们想要的概率不是100％，我们不想要的概率也不是零。
更改阈值，并且所有概率都会更改（以分布确定的方式）。通常，阈值是根据相关的检测概率和误报概率来指定的（使用这两个信息位，并且某些模型指定分布，可以导出其他概率）。例如，可以选择阈值以给出90％的检测概率（即，如果实际存在干扰，我们有90％的机会正确地调用它），误报率为10 ^ -6（如果我们召唤一个探测器，在一百万个中有一个机会实际上没有感兴趣的东西）。另一方面，如果我们愿意接受相同误报率的所有检测中的一半，我们会使用较低的阈值。
检测概率和误报率的选择很重要，但这是一种平衡行为。使检测概率太低，并且我们错过了太多的事件（例如，每天都没有识别出X％的坏人）。使误报率过高，我们会得到太多的错误命中（例如，每天一次误击一次而不是每天一次误击） - 这是很昂贵的，因为每次误报都必须通过其他手段进行调查。