登录 | 注册 | 充值 | 退出 | 公司首页 | 繁体中文 | 满意度调查
综合馆
一种线性的在线AUC优化方法
  • 摘要

    AUC(area under the ROC curve)优化问题的损失函数由来自不同类别的样本对构成,这使得依赖于损失函数之和的目标函数与训练样本数二次相关,不能直接使用传统在线学习方法求解.当前的在线AUC优化算法聚焦于在求解过程中避免直接计算所有的损失函数,以减小问题的规模,实现在线AUC优化.针对以上问题提出了一种AUC优化的新目标函数,该目标函数仅与训练样本数线性相关;理论分析表明:最小化该目标函数等价于最小化由L2正则化项和最小二乘损失函数组成的AUC优化的目标函数.基于新的目标函数,提出了在线AUC优化的线性方法(linear online AUC maximization,LOAM);根据不同的分类器更新策略,给出2种算法LOAMILSC和LOAMAda.实验表明:与原有方法相比,LOAMnSC算法获得了更优的AUC性能,而对于实时或高维学习任务,LOAMAda算法更加高效.

  • 作者

    朱真峰  翟艳祥  叶阳东  Zhu Zhenfeng  Zhai Yanxiang  Ye Yangdong 

  • 作者单位

    郑州大学信息工程学院 郑州 450052

  • 刊期

    2018年12期 ISTIC EI PKU

  • 关键词

    分类  AUC优化  在线学习  线性方法  最小二乘损失 

相似文献 查看更多>>
3.214.184.196