„ rank:pairwise “ – Setze XGBoost so, dass es eine Ranking-Aufgabe durch Minimieren des paarweisen Verlustes durchführt
meinst du das? Da es sich bei Lambdamart um einen listenweisen Ansatz handelt, wie kann ich ihn an das listenweise Ranking anpassen? einschließlich Commond, Parameter und Trainingsdatenformat, und wo kann ich das Lambda für Lambdamart einstellen.
Könnten Sie eine kurze Demo oder ein Intro geben? Danke vielmals!
OK, ich verstehe. XGBoost unterstützt die Durchführung von Ranking-Aufgaben. Im Ranking-Szenario werden Daten oft gruppiert und wir benötigen die Gruppeninformationsdatei, um s
Ranking-Aufgaben festlegen. Das in XGBoost verwendete Modell für das Ranking ist der LambdaRank, diese Funktion ist noch nicht abgeschlossen. Derzeit bieten wir einen paarweisen Rang an.
Listenweises Lernen wird also nicht unterstützt. Irgendeinen Plan?
Verwenden Sie rank:ndcg für Lambda-Rang mit ndcg-Metrik
@tqchen kannst du kommentieren, ob rank:ndcg
oder rank:map
für Python funktioniert?
Dies muss in den Dokumenten geklärt werden.
Speziell:
ist es gelöst?
FWIW, " rank:ndcg " ist hier definiert https://github.com/dmlc/xgboost/blob/72cd1517d6b1d145c34e13a063fadd31b507b01d/src/objective/rank_obj.cc#L331
Die Dokumente müssen aktualisiert werden.
@vatsan Scheint ein Versehen gewesen zu sein. Können Sie eine Pull-Anfrage senden, um das Parameterdokument zu aktualisieren?
@vatsan @Sandy4321 @travisbrady Ich
Hilfreichster Kommentar
Dies muss in den Dokumenten geklärt werden.
Speziell: