MBA：小批量 AUC 优化
机器学习
2018-06-01 v2 机器学习
摘要
受试者工作特征曲线下面积（AUC）是广泛应用于信号处理和机器学习问题的重要指标，近期已有可扩展的 AUC 优化方法被提出。然而，处理极大规模数据集对该问题而言仍是一个开放性挑战。本文提出了一种新的 AUC 最大化方法，该方法基于对正负样本对的小批量进行采样，并计算 U 统计量以逼近全局风险最小化问题。所得算法简单、快速且无需学习率。我们证明，获得良好性能所需的样本数与可用的样本对数量无关，而后者是正负实例数量的二次函数。大量实验表明了所提方法的实用价值。
引用
@article{arxiv.1805.11221,
title = {MBA: Mini-Batch AUC Optimization},
author = {San Gultekin and Avishek Saha and Adwait Ratnaparkhi and John Paisley},
journal= {arXiv preprint arXiv:1805.11221},
year = {2018}
}