xgBoost中的成对排名模型如何拟合？

14

据我所知，要训练学习对模型进行排名，您需要在数据集中包含三件事：

标签或相关性
组或查询ID
特征向量

例如，Microsoft Learning to Rank数据集使用此格式（标签，组ID和功能）。

1 qid:10 1:0.031310 2:0.666667 ...
0 qid:10 1:0.078682 2:0.166667 ...

我正在尝试利用GBM进行成对排名的xgBoost。他们有一个排名任务的示例，该任务使用C ++程序在上述Microsoft数据集上学习。

但是，我正在使用他们的Python包装器，似乎无法找到可以在其中输入组ID的地方（qid上述）。我可以仅使用功能和相关性分数来训练模型，但是我感觉自己缺少一些东西。

这是一个示例脚本。

gbm = XGBRegressor(objective="rank:pairwise")

X =  np.random.normal(0, 1, 1000).reshape(100, 10)
y = np.random.randint(0, 5, 100)

gbm.fit(X, y) ### --- no group id needed???

print gbm.predict(X)

# should be in reverse order of relevance score
print y[gbm.predict_proba(X)[:, 1].argsort()][::-1]

— Tokestermw
source

我也遇到了这个问题，但是我应该将哪种set_group传递给函数？当我构造一个numpy或列表时，出现如下错误：d：\ build \ xgboost \ xgboost-git \ dmlc-core \ include \ dmlc \ ./ logging.h：235：[12:03:09] D：\ Build \ xgboost \ xgboost-git \ src \ c_api \ c_api.cc：342：检查失败：（src.info.group_ptr.size（））==（0）片不支持组结构@amyrit

— user2404620

9

根据XGBoost文档，XGboost期望：

同一组的示例是连续的示例，
每个组大小的列表（您可以在Python中使用set_group方法设置DMatrix）。

— 淀粉
source

1

谢谢，sklearn.py对于Python软件包来说，用于模型构建（）的API似乎有点不完整。

— tokestermw '16

4

set_group对于排名非常重要，因为只有一组的分数是可比较的。您可以根据他们在自己的组中的分数对数据进行排序。

为了便于排名，您可以使用我的xgboostExtension。

— 大洞
source