了解 scikit-learn 中用于 XGBoost 排名的组答案

【问题标题】：Understanding Groups in scikit-learn for XGBoost Ranking了解 scikit-learn 中用于 XGBoost 排名的组
【发布时间】：2021-07-28 15:21:25
【问题描述】：

当谈到 sklearn 数据准备和 XGBoost 回归参数中的组时，我觉得我真的错过了一些明显的东西。

以及 XGBRanker 文档。

究竟什么是组？它是数据集的任意块吗？它提到组对于确保您在教程中具有“数据集中的一列，告诉我们应该将哪些数据点与什么进行比较”很重要，但我的理解是 sklearn 的 train_test_split 保留了训练集和测试集之间的行跨两个功能(X) 和标签 (y)。

我的代码使用 train_test_split() 就像您的标准数据准备过程用于分类一样，即：

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, stratify=X[<label column name>].values)

要添加组，我需要进行哪些更改？它提到我也可以只使用查询 ID，我是否应该在拆分前向数据添加一个随机生成的查询 ID 的列？

【问题讨论】：

【解决方案1】：

在学习排名中，您只关心每个组内的排名。这通常在搜索结果的上下文中进行描述：组是给定查询的匹配项。在您链接的文章中，一个群体是一个特定的种族。

如果您不知道自己的组是什么，您可能不会处于学习排名的情况，也许更直接的分类或回归会更适合。

【讨论】：

谢谢，所以我正在尝试执行真正的序数回归任务，但是我被告知要查看排名。这有点令人困惑，例如维基百科说“序数回归也可以称为排名学习”，但这听起来与我读过的其他内容以及您的回复不同。