求解AUC优化问题的对偶坐标下降方法

• 作者: 储德军 姜纪远 陶卿 高乾坤
• 来源期刊: 软件学报
• 学科: 工学
• 关键词: 机器学习 优化方法 AUC 对偶坐标下降 支持向量机
• 年，卷（期）: 2014,（10）
• 页码范围: 2282-2292
• 页数: 11页
• 分类号: TP18
• 字数: 7119字
• 语种: 中文

摘要

AUC被广泛作为衡量不平衡数据分类性能的评价标准.与二分类问题不同,AUC问题的损失函数由来自两个不同类别的样本对组成.如何提高其实际收敛速度,是一个值得研究的问题.目前的研究结果表明：使用reservoir sampling技术的在线方法(OAM)表现出很好的AUC性能,但OAM仍存在诸如收敛速度慢、参数选择复杂等缺点.针对 AUC 优化问题的对偶坐标下降(AUC-DCD)方法进行了系统的研究,给出3种算法,即 AUC-SDCD,AUC- SDCDperm和AUC-MSGD,其中,AUC-SDCD和AUC-SDCDperm与样本数目有关,AUC-MSGD与样本数目无关.理论分析指出,OAM是AUC-DCD的一种特殊情形.实验结果表明,AUC-DCD在AUC性能和收敛速度两方面均优于OAM.研究结果表明,AUC-DCD是求解AUC优化问题的首选方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陶卿	中国人民解放军陆军军官学院十一系	29	495	8.0	22.0
2	高乾坤	中国人民解放军陆军军官学院十一系	3	9	2.0	3.0
3	储德军	中国人民解放军陆军军官学院十一系	6	14	3.0	3.0
4	姜纪远	中国人民解放军陆军军官学院十一系	4	17	2.0	4.0