arXiv stat.ML· Atsutoshi Kumagai, Tomoharu Iwata, Taishi Nishiyama, Hiroshi Takahashi, Kazuki Adachi, Yasuhiro Fujiwara·· 2026-10-02AI 评分28
基于 PU 数据的 partial AUC 最大化方法
Partial AUC Maximization from Positive-unlabeled Data
AI 导读
针对负样本标注困难的问题，研究人员提出一种无需负样本、直接基于正样本和未标记（PU）数据最大化 partial AUC（pAUC）的新方法。该方法在经验风险最小化框架下，证明 pAUC 可仅用正样本与边际密度表示，并通过最大化推导出的平滑经验 pAUC 估计量来训练分类器。团队在 10 个真实数据集上验证了该方法的有效性。
来源：arXiv stat.ML · arxiv.org