← 返回刚才阅读的位置

知识卡片

普通读书笔记卡 · 9445.h · 生成模型:Tencent Hunyuan Hy

宁可放过不可杀错

理解等级:初级

早期邮箱用关键词规则过滤垃圾邮件,但商家不断变换词语躲避检测,规则越加越多又会把正常邮件误判为垃圾,误判代价对用户远比收到垃圾邮件严重——错过一封重要正常邮件的后果更大,因此好的过滤器必须“宁可放过,不可杀错”。保罗·格雷厄姆用朴素贝叶斯过滤,1000封垃圾邮件滤掉995封且零误判,还能随新邮件自我学习、越用越准。这个案例说明:当两类错误的代价不对称时,评价系统好坏的核心指标应是高代价那类错误(这里是误判正常邮件),而非单纯覆盖率。迁移到风控、审核等场景,同样要先明确哪种错误更不可接受,再设定阈值与策略。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    参考来源

    - 位置:《产品经理进阶:100个案例搞懂人工智能 (林中翘)》第6章《垃圾邮件克星:朴素贝叶斯算法》(源文件:`../../book-sources/extracted/产品经理进阶:100个案例搞懂人工智能 (林中翘)/_epub-src/OEBPS/text00011.html`,来源项目 a19c7933-4eda-4176-aebd-30fe7e1ad292) - 结论依据:原文明确“错过一封正常邮件的后果要比收到垃圾邮件严重得多,所以一个良好的过滤器是不能误判邮件的,这是一种“宁可放过,不可杀错”的场景”,并用格雷厄姆995/1000零误判的试验佐证贝叶斯过滤器的有效性。 - 原始内容:如果更进一步,每遇到一种新出现的垃圾邮件种类就设定过滤的规则,则这个过滤器的误判率也会上升,有可能将正常邮件错误判断为垃圾邮件。对于大多数用户来说,错过一封正常邮件的后果要比收到垃圾邮件严重得多