Regression
序數回歸和排名有什麼區別？
在序數回歸和排名中，您都是從有序的因變量中學習的，所以我的問題是：
序數回歸問題和學習排序問題之間的表述（如果有的話）有什麼區別？
3年後，我回答了我自己的問題。
對我來說，主要區別在於不同問題中模型的輸出是什麼。在序數回歸中，任務是預測給定樣本的標籤，因此預測的輸出是標籤（例如在多類分類中就是這種情況）。另一方面，在學習排序問題中，輸出是樣本序列的順序。也就是說，排序模型的輸出可以看作是使樣本具有盡可能有序的標籤的排列。因此，與序數回歸模型不同，排序算法無法預測類別標籤。正因為如此，排序模型的輸入不需要指定類標籤，而只需要指定樣本之間的部分順序（參見例如 [0] 的應用）。從這個意義上說，排名是一個比序數回歸更容易的問題：
用一個例子可以更好地解釋這一點。假設我們有以下對 (sample, label)：. 給定這個輸入，排序模型將預測這個樣本序列的順序。例如，對於排名算法，排列和是具有滿分的預測，因為兩個序列的標籤和被訂購。另一方面，序數回歸會為每個樣本預測一個標籤，在這種情況下，預測 (1, 2, 2) 會給出一個完美的分數，但不是 (1, 2, 3) 或 (1, 3、2)。
[0] 使用點擊數據優化搜索引擎 Thorsten Joachims