机器学习公式推导【Day3】排序损失loss

（本文为个人学习总结笔记）

排序损失loss

形式化地看， AUC考虑的是样本预测的排序质量，因此它与排序误差有紧 密联系.给定 $m^{+}$个正例和$m^{-}$个反例?令$D^{+}$和$D^{-}$分别表示正、反例集合， 则排序"损失" (loss)定义为：

$${\ell }_{\text{rank}}=\frac{1}{m^{+}{m}^{-}}\sum _{x^{+}\in D^{+}}\sum _{x^{-}\in D^{-}}\left(\mathbb{I}\left(f\left({\mathbf{x}}^{+}\right)<f\left({\mathbf{x}}^{-}\right)\right)+\frac{1}{2}\mathbb{I}\left(f\left({\mathbf{x}}^{+}\right)=f\left({\mathbf{x}}^{-}\right)\right)\right)$$

$l_{\text{rank}}$即为ROC曲线上的面积，如下：