異常検知等の実問題を考えた場合に，ラベルの付与されたデータを十分な量用意することは，困難であることが多い．これに対してPU分類は，ラベルが付与された正例データとラベルの付与されていない正例と負例の混合データから二値分類器を学習する手法であり，このようなデータ収集コストの問題を解決することが期待できる．不均衡データに対して分類誤差を最小化して学習した分類器は，予測ラベルが多数クラスに偏りやすいという問題がある．このような問題に対して，AUCを最適化することで対応する方法があり，PU分類においてもAUC最適化を行う研究が存在する．本研究においてPU分類におけるAUC最適化を行った際に，分類クラスを決定するための閾値が定まらず，予測ラベルが一方のクラスに偏るという問題が発生した．この問題の解決に向けて，予測ラベル中のクラス割合に関する補正項を損失計算式に追加する学習方法を考案し，その検討結果を報告する．
