单形上的多类得分导向损失 (MultiSOL)
机器学习
2025-12-01 v1
摘要
在监督二进制分类场景中，得分导向损失被引入以直接优化所选性能指标，从而避免事后阈值调优。在其构建中，将决策阈值视为具有特定先验分布的随机变量。本文利用最近引入的多维阈值基分类框架，将此类得分导向损失扩展到多类分类，定义多类得分导向损失 (MultiSOL)。如同在二进制设置中所示，多个分类实验也证明了该提议损失族保留了主要优势，如直接优化目标指标和对类别不平衡的鲁棒性，实现的性能可与其他最先进损失函数相当，并为单形几何与得分导向学习之间的相互作用提供了新见解。
引用
@article{arxiv.2511.22587,
title = {The Multiclass Score-Oriented Loss (MultiSOL) on the Simplex},
author = {Francesco Marchetti and Edoardo Legnaro and Sabrina Guastavino},
journal= {arXiv preprint arXiv:2511.22587},
year = {2025}
}