src/objective/rank_obj.cu
xgboost官方文档中说明objective:rank 中的方法都是通过LambdaMart来实现的
数据结构：LambdaPair:包括pos_index(正索引) neg_index(负索引) 以及该lambdapair的权值（初始化为1）
ListEntry:包含pred预测值、label标签值、rindex原样本的索引
定义的类：
这段代码的主体为类模版：LambdaRankObj 根据LambdaWeightComputerT模版参数取PairWiseComputer MAPLambdaWeightComputer NDCGLambdaWeightComputer三种值来实例化不同的模版类，主要的区别在于delta的计算。
对父类中GetGradient方法进行了重载，由于rank回设置group所以要对当前group是否合理进行判断。（即大小是不是0以及pred和label的group大小是否一致）
方法：ComputeGradients()
形参： preds_h（预测值） labels（标签值） gpair（一阶与二阶梯度构成的pair）gptr（分组信息）
内部容器：pairs 用来存储LambdaPair lst用来存储ListEntry rec存储预测值与在原group内的索引值
按group对已有的数据进行操作
先初始化当前group中的lst（pred，label，rindex） 以及 梯度对（初始化为0）
Lambda的计算（对应xgboost中的g和h）
先按预测值进行排序，再将label与原有的预测值排序后的index进行对应并存入rec中，再将rec按照label大小进行排序
从i开始到rec的结尾产生随机数与当前下标匹配凑成pair（该过程由参数num_pairsample控制，当pairsample数量等于rec长度时就全部取样，小于时就取部分），当下标值小于当前index时pair pos_index = 随机数的index neg_index = i的index若随机数大于等于当前遍历的值则位置相反且 neg_index = 随机数index+1（防止产生相同的index）
计算lambda的值，对每一个pair计算lambda并将其汇总加到某个index的lambda中，于此同时计算每一个pair的二阶梯度最后将得到的两项与group占的权重以及delta值相乘得到该sample的g与h xgboost可以通过每个sample对应的一二阶导数计算各点的增益从而对分裂点进行寻找
PairWiseLambdaComputer
weight为初始值1，getweight函数为空，最后直接与lambda相乘
NDCGLambdaWeightComputer
首先根据label对排序算出IDCG的值
再根据输入的pos_index和neg_index计算出交换坐标导致的ndcg变化即delta数值，并将该数值以weight的形式存入pair中，最后与lambda相乘
MAPLambdaWeightComputer
根据pos_index neg_index以及两者的label和pred的值，计算在交换两者顺序的情况下的delta值，在计算完成后以weight的形式存入pair中，最后与lambda相乘
网友评论