https://www.cnblogs.com/rainsoul/p/7890641.html
總結一下學習筆記
如，做一個汽車的照片分類，正樣本 就是 正確的 汽車的圖片，負樣本就是 不是 汽車的圖片。
通過模型訓練，可以告訴機器，那些是對的，哪些是錯誤的。錯誤的就是負樣本。
針對與分類問題，正樣本則是我們想要正確分類出的類別所對應的樣本，例如，我們要對一張圖片進行分類，以確定其是否屬於汽車，那么在訓練的時候，汽車的圖片則為正樣本，負樣本原則上可以選取任何不是汽車的其他圖片，這樣就可以訓練出來一個汽車的分類網絡，對這個網絡進行測試會發現，它會將一些非汽車的圖片誤報成汽車，這些誤報的圖片則為“難分樣本”，后續進行訓練的時候，將這些難分樣本加入至負樣本集合中進行訓練，最后得到的網絡模效果會更好一些，這個過程就叫做“難例挖掘”。另外，在選取負樣本的時候，原則上是可以選擇任意非汽車的圖片作為負樣本，但是比較合理的情況應該是要考慮到實際應用場景，例如實際應用是對行車記錄儀上面捕捉到的圖片進行分類，那么，負樣本則應該是捕捉到的其他非汽車的圖片，例如馬路，樹木，路燈等。