今天给大家的分享的是我们在ICML-2021上发表的一篇AUC优化的文章**《When All We Need is a Piece of the Pie: A Generic Framework for Optimizing Two-way Partial AUC》**被ICML 2021以长文形式接收。 ICML全称是International Conference on Machine Learning，是机器学习领域的top-2国际*会议，本次会议投稿了5513篇论文，共1184篇论文被接收，其中166篇论文为长文报告，录用率仅为3%。针对一些特定场景（比如AI鉴黄）下如何更好的对难样本进行挖掘和优化，我们首次提出了一种基于Two-way Partial AUC（TPAUC）优化的端到端深度学习通用框架，使得模型同时关注ROC曲线下的高TPR和低FPR部分的面积，从而保证模型具有更好的泛化能力。最后，相应的理论分析和实验证明了所提出方法的有效性。
引言
AUC是ROC曲线下的面积（Area Under the ROC Curve），如图1-(a), 作为一个性能度量指标，刻画了真阳性率(True Positive Rate (TPR))和假阳性率（False Positive Rate (FPR)）之间的关系，其数值正比于分类器在不同阈值下的平均性能。由于AUC的计算过程并不依赖于数据分布，因此在很多不平衡、长尾的业务场景（比如灾害预警、罕见事件检测、AI鉴黄等&