极端二分类：用极值理论约束假阴性

论文提出极端二分类问题，目标是将分类器的假阴性率 α 约束为 ε_{N₁}=o_{N₁→∞}(1/N₁)，其中 N₁ 为训练集正例数。作者给出基于极值理论保证的阈值自适应方法，以及基于样本极大值置换检验的特征选择流程。在四个不同规模的真实数据集上，该方法与现有最先进方法相比表现良好，并在癌症筛查数据集上展示了可解释性。