" Rango: por pares ": configure XGBoost para realizar la tarea de clasificación minimizando la pérdida por pares
¿Te refieres a esto? Dado que lambdamart es un enfoque basado en listas, ¿cómo puedo ajustarlo a la clasificación por listas? incluyendo commond, parámetros y formato de datos de entrenamiento, y dónde puedo configurar el lambda para lambdamart.
¿Podrías dar una breve demostración o introducción? ¡muchas gracias!
OK veo. XGBoost admite la realización de tareas de clasificación. En el escenario de clasificación, los datos a menudo se agrupan y necesitamos el archivo de información del
especifique las tareas de clasificación. El modelo utilizado en XGBoost para la clasificación es el LambdaRank, esta función aún no está completa. Actualmente, proporcionamos clasificación por pares.
Por lo tanto, no se admite el aprendizaje por listas. ¿Algún plan?
rango de uso
Hola, acabo de intentar usar tanto objetivo = ' rango: mapa ' como objetivo = ' rango: ndcg ', pero ninguno de ellos parece funcionar. La función objetivo por pares está realmente bien. Puedo ver en el código que la función del objetivo de LambdaMART todavía está allí, sin embargo, no entiendo por qué no se puede seleccionar usando la API de Python. Gracias.
@tqchen, ¿puedes comentar si rank:ndcg
o rank:map
funcionan para Python?
Esto necesita una aclaración en los documentos.
Específicamente:
esta resuelto?
FWIW, " rango: ndcg " se define aquí https://github.com/dmlc/xgboost/blob/72cd1517d6b1d145c34e13a063fadd31b507b01d/src/objective/rank_obj.cc#L331
Los documentos deben actualizarse.
@vatsan Parece que fue un descuido. ¿Puede enviar una solicitud de extracción para actualizar el documento del parámetro?
@vatsan @ Sandy4321 @travisbrady Estoy agregando todos los objetivos al parámetro doc: # 3672
Comentario más útil
Esto necesita una aclaración en los documentos.
Específicamente: