计算机研究与发展

作者：朱真峰,翟艳祥,叶阳东,

关键词：分类, AUC优化, 在线学习, 线性方法, 最小二乘损失,

AUC(areaundertheROCcurve)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(linearonlineAUCmaximization,LOAM)；根据不同的分类器更新策略，给出2种算法LOAM\-ILSC和LOAM\-Ada.实验表明:与原有方法相比，LOAM\-ILSC算法获得了更优的AUC性能，而对于实时或高维学习任务，LOAM\-Ada算法更加高效.

来源：2018年第12期

《计算机研究与发展》期刊编辑部

查看计算机研究与发展杂志2018年第12期