Question

我目前正在XGBoost / lightGBM之间运行测试，因为他们能够对项目进行排名。我正在复制这里提出的基准：https://github.com/guolinke/boosting_tree_benchmarks。

我已经能够成功地重现他们工作中提到的基准。我想确保我正确实现自己的ndcg指标版本，并正确理解排名问题。

我的问题是：

使用ndcg创建测试集的验证时 - 有一个test.group文件，表示前X行是0组，等等。为了获得组的推荐，我得到了预测值和已知的相关性得分和排序按每组降序预测值列出？
为了从上面创建的列表中获得最终的ndcg分数 - 我是否获得ndcg分数并取得所有分数的均值？这与评估阶段XGBoost / lightGBM的评估方法相同吗？

以下是我在模型完成培训后评估测试集的方法。

对于运行lightGBM时的最终树，我在验证集上获取这些值：

[500]   valid_0's ndcg@1: 0.513221  valid_0's ndcg@3: 0.499337  valid_0's ndcg@5: 0.505188  valid_0's ndcg@10: 0.523407

我的最后一步是获取测试集的预测输出并计算预测的ndcg值。

这是我的用于计算ndcg的python代码：

import numpy as np

def dcg_at_k(r, k):
    r = np.asfarray(r)[:k]
    if r.size:
        return np.sum(np.subtract(np.power(2, r), 1) / np.log2(np.arange(2, r.size + 2)))
    return 0.


def ndcg_at_k(r, k):
    idcg = dcg_at_k(sorted(r, reverse=True), k)
    if not idcg:
        return 0.
    return dcg_at_k(r, k) / idcg

在我得到特定组（ GROUP-0 ）的测试集的预测后，我有这些预测：

query_id    predict
0   0   (2.0, -0.221681199441)
1   0   (1.0, 0.109895548348)
2   0   (1.0, 0.0262799346312)
3   0   (0.0, -0.595343431322)
4   0   (0.0, -0.52689043426)
5   0   (0.0, -0.542221350664)
6   0   (1.0, -0.448015576024)
7   0   (1.0, -0.357090949646)
8   0   (0.0, -0.279677741045)
9   0   (0.0, 0.2182200869)

注意

Group-0 实际上有大约112行。

然后我按降序对元组列表进行排序，提供相关性分数列表：

def get_recommendations(x):

    sorted_list = sorted(list(x), key=lambda i: i[1], reverse=True)
    return [k for k, _ in sorted_list]

relavance = evaluation.groupby('query_id').predict.apply(get_recommendations)

query_id
0    [4.0, 2.0, 2.0, 3.0, 2.0, 2.0, 2.0, 2.0, 2.0, ...
1    [4.0, 2.0, 2.0, 2.0, 1.0, 1.0, 3.0, 2.0, 1.0, ...
2    [2.0, 3.0, 2.0, 2.0, 1.0, 0.0, 2.0, 2.0, 1.0, ...
3    [2.0, 2.0, 2.0, 2.0, 2.0, 2.0, 2.0, 2.0, 2.0, ...
4    [1.0, 0.0, 1.0, 0.0, 0.0, 0.0, 0.0, 1.0, 0.0, ...

最后，对于每个查询ID，我计算了相关性列表中的ndcg分数，然后取出为每个查询ID计算的所有ndcg分数的均值：

relavance.apply(lambda x: ndcg_at_k(x, 10)).mean()

我获得的值是~0.497193。

Answer 1

交叉发布我对这个交叉发布问题的交叉验证答案： https://stats.stackexchange.com/questions/303385/how-does-xgboost-lightgbm-evaluate-ndcg-metric-for-ranking/487487#487487

我自己也遇到过这个问题，最后深入代码找出了答案。

不同之处在于对丢失的 IDCG 的处理。您的代码返回 0，而 LightGBM is treating that case as a 1。

以下代码为我生成了匹配结果：

import numpy as np

def dcg_at_k(r, k):
    r = np.asfarray(r)[:k]
    if r.size:
        return np.sum(np.subtract(np.power(2, r), 1) / np.log2(np.arange(2, r.size + 2)))
    return 0.


def ndcg_at_k(r, k):
    idcg = dcg_at_k(sorted(r, reverse=True), k)
    if not idcg:
        return 1.  # CHANGE THIS
    return dcg_at_k(r, k) / idcg

Answer 2

我认为问题是由同一查询中具有相同标签的数据引起的。在这种情况下，XGBoost和LightGBM都将为该查询生成ndcg 1。

XGBoost / lightGBM如何评估ndcg的排名任务？

2 个答案: