我使用 XGBoost 的 python 实现。目标之一是rank:pairwise最小化成对损失（文档）。但是，它没有说明输出的范围。我看到 -10 到 10 之间的数字，但原则上可以是 -inf 到 inf 吗？
问问题
17229 次
3 回答
8
好问题。你可以看看kaggle 比赛：
实际上，在 Learning to Rank 领域，我们试图预测每个文档对特定查询的相对分数。也就是说，这不是回归问题或分类问题。因此，如果附加到查询的文档获得负预测分数，这意味着并且仅意味着与其他文档相比，它相对于查询相对较少，具有正分数。
于 2016-12-02T08:26:43.560 回答
7
它给出了排名的预测分数。但是，分数仅在自己的组中排名有效。所以我们必须为输入数据设置组。
作文排名参考我的项目xgboostExtension
于 2017-12-01T05:15:07.977 回答
5
如果我正确理解您的问题，您的意思是predict使用rank:pairwise.
Predict给出预测变量 ( y_hat)。
这对于reg:linear/ binary:logisticetc 也是一样的。唯一的区别是reg:linear构建树到Min(RMSE(y, y_hat))，而rank:pairwise构建树到Max(Map(Rank(y), Rank(y_hat)))。但是，输出始终为y_hat。
根据因变量的值，输出可以是任何东西。但我通常期望输出的方差与因变量相比要小得多。这通常是这种情况，因为不需要拟合极端数据值，树只需要生成足够大/小到在组中排名第一/最后的预测变量。
于 2017-07-20T07:59:43.497 回答