基于 PAC-Bayesian 的 AUC 分类与评分
机器学习
2014-10-14 v2 统计计算
摘要
我们开发了一种基于 PAC-Bayesian 方法和 AUC（曲线下面积）准则的评分与分类程序。我们最初关注线性评分函数类。我们针对评分参数的两种先验推导了 PAC-Bayesian 非渐近界：高斯先验和尖峰 - 平板先验；后者使得特征选择成为可能。我们方法的一个重要优势是它适用于强大的贝叶斯计算工具。我们特别推导了 Sequential Monte Carlo 算法作为一种可用作金标准的高效方法，以及 Expectation-Propagation 算法作为一种更快但近似的方法。我们还通过将高斯过程先验纳入考虑，将我们的方法扩展到一类非线性评分函数，本质上导致了一种非参数过程。
引用
@article{arxiv.1410.1771,
title = {PAC-Bayesian AUC classification and scoring},
author = {James Ridgway and Pierre Alquier and Nicolas Chopin and Feng Liang},
journal= {arXiv preprint arXiv:1410.1771},
year = {2014}
}
备注
Accepted at NIPS 2014