建立关于训练集顺序的回归模型

Question

给定一个具有 2 个输入数字特征和一个等级的数字数据集。例如：项目

i

应该比项目

j

表现更好，因此排名为

r_i

<

r_j

（r 是排名）。

f1	f2	排名
a1	b1	1
a2	b2	2

目标是训练一个回归模型，根据给定的顺序估计

[0, 10]

范围内的分数，因此，如果排名为

i

的项目

r_i

优于排名为

j

的项目

r_j

，那么

score(i) > score(j)

。

训练后的模型还需要用于对未见过的实体进行评分。

建议的解决方案如下：

1. 定义评分模式，其中分数位于

   [0, 10]

   。
2. 使用排名创建别名初始分数，即排名为 1 的实体得分为 10，排名为

   n

   的实体得分为 0。
3. 训练一个回归模型，将 2 个数值特征作为输入，将别名初始分数作为输出。

f1	f2	排名	分数
a1	b1	1	n
a2	b2	2	n-1

该解决方案表现良好，除了模型学习的关系在某种程度上是线性的，假设每两个项目之间的差异相等（因为别名初始分数基于有序排名），那么我们如何推广这个解决方案如果训练集是有序的但有间隙？

换句话说，如果训练集是

A, B, C, D, E, F

，但

A

和

B

之间的差异远大于

B

和

C

，我们如何构建初始别名评分并训练回归模型？

编辑：测试了存在间隙的位置的移动等级，但结果是一条断线，需要的是平滑过渡：

Answer 1

您要求模型学习您在培训中未提供的信息。 如果您希望模型根据性能学习代表性分数，则应该对训练数据进行代表性评分