劇集

隨機在線 AUC 最大化

取代為 Yiming Ying

類神經資訊處理系統會議 - NIPS 2016

ROC （AUC） 下的區域是一個計量，通常用於測量不平衡數據的分類效能。 開發在線學習演算法以最大化大規模數據的 AUC 是理論和實際興趣。 開發在線 AUC 最大化演算法的特定挑戰是，學習目標函式通常會透過相反類別的一對定型範例來定義，而現有的方法會以較高的空間和時間複雜度實現在線處理。 在這項工作中，我們建議為 AUC 最大化提供新的隨機在線演算法。 特別是，我們顯示 AUC 優化可以同等地制定為凸凸凹的鞍點問題。 從這個鞍狀表示法中，提出了隨機在線演算法（SOLAM），其具有一個日期的時空複雜度。 我們會建立具有高機率的SOLAM理論聚合，並在標準基準數據集上展示其有效性和效率。