Вы обучили SVM для бинарной классификации и получили AUC=0.87 на валидационной выборке. Вы хотите увеличить AUC. Что следует предпринять?

Настройка гиперпараметров — это систематический процесс поиска оптимальных значений для параметров модели, которые не изучаются в процессе обучения (например, C и gamma для SVM). Это может значительно улучшить производительность модели, включая AUC, путем более точной адаптации модели к данным. Обучение глубокой нейронной сети не всегда гарантирует превосходство над SVM, особенно для определенных типов данных или при ограниченном объеме данных; это более сложный подход, который может быть избыточным. Развертывание модели не изменит ее производительность на валидационной выборке, а AUC в реальных условиях может быть как выше, так и ниже, в зависимости от распределения данных. Масштабирование выходов модели не изменит относительный порядок предсказаний и, следовательно, не повлияет на AUC, поскольку AUC зависит от ранжирования, а не от абсолютных значений.