在疾病诊断、邮件筛查等实际应用中，我们通常需要构造一个带有严格假阳（阴）性约束的分类器，这一类问题在文献中通常被称为Neyman-Pearson分类问题。我将首先介绍三类现有的主要方法：拉格朗日方法，代价敏感学习，以及排序-阈值法。随后，我会详细介绍我们在排序-阈值方法两项最新的研究进展：tau-FPL和NN-KD算法。其中，tau-FPL算法主要提升了风险区域附近的排序精度，减少了排序函数训练的时间复杂度。NN-KD算法则是将假阳（阴）性约束应用到了以MLP和CNN为代表的深度神经网络中。最后，简单介绍我们在疾病筛查领域的最新应用。
综合新闻
