求解auc优化问题的对偶坐标下降方法

auc被广泛作为衡量不平衡数据分类性能的评价标准.与二分类问题不同，auc问题的损失函数由来自两个不同类别的样本对组成.如何提高其实际收敛速度，是一个值得研究的问题.目前的研究结果表明：使用reservoirsampling技术的在线方法（oam）表现出很好的auc性能，但oam仍存在诸如收敛速度慢、参数选择复杂等缺点.针对auc优化问题的对偶坐标下降（auc-dcd）方法进行了系统的研究，给出3种算法，即auc-sdcd，auc-sdcdperm和auc-msgd，其中，auc-sdcd和auc-sdcdperm与样本数目有关，auc-msgd与样本数目无关.理论分析指出，oam是auc-dcd的一种特殊情形.实验结果表明，auc-dcd在auc性能和收敛速度两方面均优于oam.研究结果表明，auc-dcd是求解auc优化问题的首选方法.