Signaalitodennäköisyyttä

Signaalitodennäköisyys, englanniksi "signal probability", on tilastotieteellinen ja koneoppimisen käsite, joka kuvaa todennäköisyyttä havaita tietty signaali, kun todellisuudessa tietty taustaprosessi on olemassa. Se on keskeinen muuttuja esimerkiksi hypoteesin testauksessa ja luokittelualgoritmeissa, joissa pyritään erottamaan signaali kohinasta tai taustamelusta.

Yksinkertaistetusti signaalitodennäköisyys voidaan ajatella todennäköisyytenä sille, että teemme oikean päätöksen signaalin olemassaolosta. Toisin sanoen, jos signaali on todella läsnä, mikä on todennäköisyys, että havaitsemme sen oikein? Tämä eroaa hieman tarkkuudesta, joka huomioi sekä oikeat havainnot että virheelliset havainnot. Signaalitodennäköisyyttä käytetään usein yhdessä muiden todennäköisyyksien, kuten väärien positiivisten todennäköisyyden (probability of false alarm) ja väärien negatiivisten todennäköisyyden (probability of miss), kanssa arvioitaessa mallin suorituskykyä.

Signaalitodennäköisyyden laskeminen riippuu käytetystä mallista ja datasta. Se voi perustua esimerkiksi Bayesin teoreemaan tai suoraan havaittujen datapisteiden jakautumiseen. Käytännön sovelluksia löytyy esimerkiksi kuvantunnistuksesta, lääketieteellisestä diagnostiikasta, signaalinkäsittelystä ja rahoitusmallinnuksesta, missä pyritään tunnistamaan merkityksellisiä kuvioita suuren datamäärän joukosta. Tavoitteena on usein maksimoida signaalitodennäköisyys samalla, kun muiden virhetodennäköisyyksien arvo pysyy hyväksyttävällä tasolla.