标签
该论文研究了不同训练策略与损失函数对长尾/不平衡数据上集值分类器（SVC）性能的影响，并改进了 odd-KK-out（OKO）损失，将其计算开销从3.2×降至1.36×，显著提升了多个SVC方法的宏平均准确率。
本文提出一种仅利用正例和未标注数据来最大化ROC曲线下部分面积（pAUC）的方法：在经验风险最小化框架下，从正例分布和边缘分布推导出pAUC的经验估计量，并在十个真实数据集上验证了其有效性。
BARGE 提出了一种单阶段目标函数，结合有界调整和可靠性引导嵌入，以处理不平衡学习中的噪声标签，在 CIFAR-10 和 Tiny ImageNet 等基准测试上取得了有竞争力的性能。