GBrank：什么是最终型号？

Question

一位同事和我无法就GBrank模型（培训后）的样子达成共识。

简介

该方法首先执行从成对数据集到逐点数据集的典型转换，其中目标变量 z 现在表示应该更高的分数， z _i ＆gt; z _j 当 i 优先于 j 时。然后作者建议使用Gradient Boosting Trees，并“惩罚”该模型预测 z _j ＆gt;的情况。 z _j 和 i 优先于 j 。 “惩罚”是通过切换分数并递增或递减τ来执行的。

歧异

我们不同意的是Gradient Boosting Rank是否本身就是一个整体。也就是说，我们正在训练的模型是 g _k 还是 h _k ？

参考资料

• 原文：http://www.cc.gatech.edu/~zha/papers/fp086-zheng.pdf

Answer 1

h 在整篇论文中用来表示你正在使用的假设， g 只是一个用于构建 h的领域特定的回归模型，因此GBRank是 h _k 。特别是，它是一种提升方法，因此它必须是一个整体，通过从一群弱学习者建立一个强大的学习者（从80年代末由Kearns和Valiant提出的助推定义）训练 - h 是一个集合（由于循环定义）， g 不是（因为它只是在一些变换数据集上训练的回归量）。