如何降低疾病監測的漏診比率？一種新的分類學習算法

小嘰導讀：在高風險分類（例如：高死亡率疾病監測、自動駕駛等場景）中控制假陽性率是非常重要的，由算法得出的結果將對個人產生巨大的影響。遺漏一名潛在病人的風險，遠遠高於誤診一名正常人。因此，我們希望在保證分類器假陽性率(即錯誤地將負樣本分類爲正樣本的概率) 低於某個閾值 τ 的前提下，最小化其誤分正樣本的概率。下面，我們就一起來看看阿里工程師如何實現這個目標。 作者：張翱，李楠，浦劍，王駿，嚴駿馳，查

>>阅读原文<<