一种分布鲁棒的ROC曲线下面积最大化模型
最优化与控制
2020-05-28 v2 机器学习
机器学习
摘要
ROC曲线下面积（AUC）是分类模型广泛使用的性能度量。我们提出两种新的分布鲁棒AUC最大化模型（DR-AUC），其依赖于Kantorovich度量并用合页损失函数近似AUC。我们考虑最坏情况分布支撑分别固定和可变的两种情况。我们利用对偶理论重构DR-AUC模型并导出易处理的凸优化问题。数值实验表明，所提出的DR-AUC模型——以标准确定性AUC和支持向量机模型为基准——总体表现更优，尤其在多数所考虑的数据集上改善了最坏情况样本外性能，从而展现出鲁棒性。结果尤其令人鼓舞，因为我们的数值实验在小型训练集上进行，而已知小型训练集易导致较低的样本外性能。
引用
@article{arxiv.2002.07345,
title = {A Distributionally Robust Area Under Curve Maximization Model},
author = {Wenbo Ma and Miguel A. Lejeune},
journal= {arXiv preprint arXiv:2002.07345},
year = {2020}
}