您训练了一个用于二元分类的 SVM，并获得了验证 AUC=0.87。您想提高 AUC。您应该怎么做？

执行超参数调优是提高模型性能的有效方法。支持向量机 (SVM) 的性能高度依赖于其超参数（例如 C 值、gamma 值和核函数）的选择。通过系统地搜索最佳超参数组合，可以找到更适合数据的模型配置，从而提高 AUC。 训练一个深度神经网络不总是能保证更好的性能。虽然深度学习在某些任务中表现出色，但对于特定数据集和问题，SVM 可能表现得同样好甚至更好。此外，训练深度神经网络通常需要更多数据和计算资源。 部署并期望更高的实际 AUC 是不切实际的。模型在验证集上的性能是其泛化能力的最佳估计。在部署后，模型在未见过的数据上的表现通常与验证集上的表现相似，甚至可能略有下降，而不是提高。 通过调整乘法因子来缩放模型输出以最大化 AUC 是一种不正确的做法。AUC 是一个衡量模型排序能力的指标，它对模型输出的单调变换是不变的。简单地缩放模型输出不会改变其排序顺序，因此不会影响 AUC。