优化AUC两遍学习算法

• 作者: 栾寻 高尉
• 来源期刊: 智能系统学报
• 学科: 工学
• 关键词: 机器学习 AUC ROC 单遍学习 在线学习 排序 随机梯度下降 统计量
• 年，卷（期）: 2018,（3）
• 页码范围: 395-398
• 页数: 4页
• 分类号: TP181
• 字数: 2440字
• 语种: 中文
• DOI: 10.11992/tis.201706079

摘要

ROC曲线下的面积(简称AUC)是机器学习中一种重要的性能评价准则,广泛应用于类别不平衡学习、代价敏感学习、排序学习等诸多学习任务.由于AUC定义于正负样本之间,传统方法需存储整个数据而不能适用于大数据.为解决大规模问题,前人已提出优化AUC的单遍学习算法,该算法仅需遍历数据一次,通过存储一阶与二阶统计量来进行优化AUC学习.然而在实际应用中,处理二阶统计量依然需要很高的存储与计算开销.为此,本文提出了一种新的优化AUC两遍学习算法TPAUC (two-pass AUC optimization).该算法的基本思想是遍历数据两遍,第一遍扫描数据获得正、负样本的均值,第二遍采用随机梯度下降方法优化AUC.算法的优点在于通过遍历数据两遍来避免存储和计算二阶统计量,从而提高算法的效率,最后本文通过实验说明方法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	高尉	南京大学计算机软件新技术国家重点实验室	2	0	0.0	0.0
2	栾寻	南京大学计算机软件新技术国家重点实验室	1	0	0.0	0.0