您訓練了一個用於二元分類的 SVM，並獲得了驗證 AUC=0.87。您想要提高 AUC。您應該怎麼做？

執行超參數調校是提高模型效能的標準做法。SVM 有多個超參數，例如 C 值和核函數類型及其參數，這些參數會顯著影響模型的表現。透過系統地探索不同的超參數組合，可以找到最佳配置，從而提高 AUC。 訓練深度神經網路不一定會優於 SVM，尤其是在資料集相對較小或特徵工程做得很好的情況下。深度學習模型通常需要大量的資料和計算資源，並且可能更容易過度擬合。部署模型並期望實際 AUC 更高是不切實際的，因為驗證 AUC 是對模型在未見資料上表現的估計，實際表現可能更高或更低，但通常不會無故提高。調整乘法因子來縮放模型輸出並不能真正提高模型的預測能力或 AUC，它只會改變輸出值的範圍，而不會改變排序，因此不會影響 AUC。