大数据与人工智能时代的AUC最大化：综述
机器学习
2022-08-04 v3 人工智能
最优化与控制
机器学习
摘要
ROC曲线下面积（简称AUC）是评估不平衡数据分类器性能的常用度量。AUC最大化指的是一种通过学习直接最大化模型AUC分数来训练预测模型的学习范式。该范式可追溯至90年代末，已被研究二十余年，期间大量工作致力于AUC最大化。近年来，面向大数据的小批量AUC最大化与面向深度学习的深度AUC最大化受到越来越多的关注，并在解决现实世界问题中产生了显著影响。然而，据我们所知，目前尚无关于AUC最大化相关工作的综合性综述。本文旨在通过回顾过去二十年的文献来填补这一空白。我们不仅给出了文献的整体概览，还从不同论文的公式化、算法到理论保证进行了详细解释与比较。我们还识别并讨论了深度AUC最大化中遗留与新出现的问题，并对未来工作的主题给出了建议。
引用
@article{arxiv.2203.15046,
title = {AUC Maximization in the Era of Big Data and AI: A Survey},
author = {Tianbao Yang and Yiming Ying},
journal= {arXiv preprint arXiv:2203.15046},
year = {2022}
}
备注
Accepted to the Journal of ACM Computing Surveys