随机剔除负样本对AUC的影响
哪些公司问过
答案要点
- AUC等价于随机取一对正负样本时正样本得分更高的概率,只看排序,对正负比例不敏感
- 均匀随机剔除负样本不改变负样本得分分布,AUC期望基本不变
- 负样本变少后正负样本对减少,AUC估计方差增大,样本少时波动明显
- 有偏剔除会改变AUC:只删易分负样本AUC偏低,只删难负样本AUC虚高
- 训练时负采样会使预测概率偏高,logloss和校准类指标受影响,需做概率校准
易错点
- 认为负样本少了AUC就一定升高,均匀随机剔除时期望基本不变
- 忽略方差变大,只凭一次采样结果下结论
- 把AUC不变推广到logloss、校准这类依赖概率绝对值的指标
面试官常见追问
- 训练时做了负采样,线上预估概率怎么校正?
- 为什么AUC对正负样本比例不敏感?
- 负样本很少时怎样让AUC评估更可靠?
完整的口述示范答案、每个追问的参考回答,在启面刷题中心查看;也可以让 AI 面试官用语音按这道题连环追问你。