#Paper Reading# AUCµ: A Performance Metric for Multi-Class Machine Learning Models

论文题目: AUCµ: A Performance Metric for Multi-Class Machine Learning Models
论文地址: http://proceedings.mlr.press/v97/kleiman19a.html
论文发表于: PLMR 2019

论文大体内容：
本文主要提出了在多分类下的AUC计算方法——AUCµ，具有与AUC同样的特性。

Motivation：
二分类问题往往会使用AUC进行eval，而多分类上往往会使用softmax。本文提出了AUCµ是为了能够在多分类任务上也能使用AUC方法。

Contribution：
在多分类上也可以使用类似AUC的指标去衡量；

1. AUCµ主要计算公式如下：

2. 代码解读[1]。
①代码中的S是论文中去掉系数（1/ni/nj）的部分；
②class_i_j_indices存储的是class为i和j的全部元素；
③dist存储加weight后的分数；
④sort dist；
⑤O(n)计算auc；
所以复杂度是 按class排序O(nlogn) + 计算S(i, j)部分O(K(n+nlog(2n/K)))) + 累加O(K^2) = O(Knlogn)

参考资料： 
[1] 实现代码：https://github.com/microsoft/LightGBM/pull/2567/files

以上均为个人见解，因本人水平有限，如发现有所错漏，敬请指出，谢谢！