问题标签 [ranking-functions]

我有一个包含大约 5000 万条记录的数据集，其中包含大约 30 个变量（列）。我需要对每个变量的数据集进行排名。

Proc rank 不起作用，因为它需要大量内存来存储这个大型数据集。

要手动给出排名，我必须对相应变量列上的数据集进行排序，然后使用公式给出排名。但问题是我们必须对 30 个变量的数据集进行 30 次排序，这将花费非常长的时间并且不可行。

在这种情况下我们可以使用哪些替代品？

我创建了一个基于查询-文档对之间的文本相似度（余弦相似度）的两阶段排名系统。现在我需要验证我的排名系统，对于用户而言，检索到的适当排名的项目是否正确，我应该选择哪种方法。我阅读了 Pointwise/Pairwise/Listwise 方法来验证排名，但对于排名系统的手动评估，这会更有帮助。如果有人可以为排名评估方法提供更好的策略，那对我将非常有帮助。谢谢

我有一个名为employees 的表，带有'employee_id'和'bonuses'作为列。重复employee_id是因为它们有多个不同金额的奖金，我想按奖金总额对它们进行排名。

所以，我想知道这是否是按员工总奖金金额降序排列的正确方法：

我想要的输出是一个表，其中employee_id仅列出一次、对应total bonus amount the employee received的 和rank of bonuses starting from rank #1 with the highest total bonus amount.

我在下面发布了一个示例数据。

我所拥有的是一个行号，它根据日期和名称列生成一个数字（使用 ROW_NUMBER 函数实现）。我现在需要的是另一个名为 Group_Num 的派生列，它为每个组创建一个数字（在本例中为 3）。考虑到我的名称列重复但日期列值发生变化，这可以实现吗？

提前致谢。

我正在尝试将排名应用于我的数据集，逻辑如下：

对于每个 ID，Order by ID2 ASC 和 Order by IsMaster Desc 对第 1 行进行排名，并且仅在 ID4 值更改时才更改

我的数据集和所需的输出如下所示：

测试数据

这是我到目前为止所尝试的：

请帮帮我谢谢。

我正在为我正在开发的游戏创建排名公式。我希望能够根据两个标准找出谁是最好的球员：

1. 时间
2. 脚步

每个玩家必须完成一个任务T。这个想法是用最少的时间和最少的步骤完成它。

如果不保持有限的时间（1800 秒）和有限的步数（25），我无法想出任何东西。

根据以上计算，玩家 5 是最好的，其次是玩家 1。

但我们可以清楚地看到玩家 4 的数据更好。

我该如何改善这一点，或者有其他计算方法吗？

I am currently using the RankLib implementation of the RankNet algorithm (-ranker 4) with a held-out set. I am using the jar file in terminal to run this.

The documentation stipulates:

metric2t (e.g. NDCG, ERR, etc) only applies to list-wise algorithms (AdaRank, Coordinate Ascent and LambdaMART). Point-wise and pair-wise techniques (MART, RankNet, RankBoost), due to their nature, always use their internal RMSE / pair-wise loss as the optimisation criteria.

However, when I set the 'metrics2t' to ERR@10 or NDCG@10, it starts to train and validate on my chosen metric rather that 'RMSE'.

This is part of the table outputted when I run RankNet with ERR@10.

Is there something that I am missing as this seems to be a contradiction to me.

Thanks.

我有 100 个 pdf 文件。我使用 Watson 文档转换服务将 pdf 文档转换为 JSON 应答单元。现在我需要训练这些文件。

我编写了需要 JSON 答案单元和文档相关性分数作为 Watson R 和 R 的输入的 python 代码。如何通过 python 代码引用 JSON 答案单元或如何通过 Python API 从文档转换服务下载 JSON 答案单元

我正在使用各种模型（例如 Arima、H2O.Randomforest、glmnet、lm 和其他一些模型）对 R 中的多元时间序列数据进行预测建模。

我创建了一个函数来选择我们选择的模型并进行预测。

现在我应该通过在预测值和观察值之间找到准确性来自动化这些RMSE模型MAPE。我想根据表现为每个人提供分数（例如，满分 5 分）。例如，如果Arima给出的RMSE模型比其他模型低，它将被评为高，第二低的RMSE模型将得分低于Arima，依此类推。

每次我使用不同的输入 Data 运行这些模型时，它都必须给出模型的平均分数。我想说的是，

每次我用不同的输入运行它时，我都想要一个该模型的平均分数。它更像是评分和排名方法。

R 中是否有任何方法或包可以一瞥它是如何完成的？或任何例子？任何建议都会非常有帮助。我什至在交叉验证中分享了我的问题。

谢谢你。

我希望有人可以在这里为我指明正确的方向。对于 SQL Server 表中的记录排名，我有一个独特的要求。桌子长这样...

此表显示健身俱乐部的成员及其各种状态变化（A = 活跃，C = 已取消）。我想以一种独特的方式对这些状态变化进行排名。我想首先 A 记录为 1，然后忽略接下来的 3 个 A 记录。然后，第一个 C 记录也将排名 1，随后的 A 记录将排名 2。同样，我想在下一个 C 记录之前忽略以下 3 个 A 记录。

您可能想知道为什么我们会在新到/从时间段连续看到多个相同的状态。这是 b/c，它来自一个更大的数据集，其中其他列实际上已更改，而状态保持不变。我的最终目标是只提出相关（排名）的行并根据排名匹配活动/取消的行。然后我会创建一个全新的表/查询来为不同时期建立新的从/到日期。

感谢您提供的任何建议！！