问题描述
当涉及到 sklearn 数据准备和 XGBoost 回归参数中的组时，我觉得我真的遗漏了一些明显的东西。
我已经阅读了本教程：https://medium.com/predictly-on-tech/learning-to-rank-using-xgboost-83de0166229d
以及 XGBRanker 文档。
究竟什么是组？它是数据集的任意块吗？它提到组对于确保您在教程中具有“数据集中的一列，告诉我们哪些数据点应该与哪些数据点进行比较”很重要，但我的理解是 sklearn 的 train_test_split 保留了训练集和测试集之间的行跨越这两个特征(X) 和标签 (y)。
我的代码使用 train_test_split() 就像您的标准数据准备过程用于分类一样，即：
X_train,X_test,y_train,y_test = train_test_split(X,y,test_size=0.3,stratify=X[<label column name>].values)
我需要更改什么才能添加群组？它提到我也可以只使用查询 ID，我是否应该在拆分前向数据添加一个随机生成的查询 ID 的列？
解决方法
在学习排名中，您只关心在每个组内的排名。这通常在搜索结果的上下文中描述：组是给定查询的匹配项。在您链接的文章中，一个群体是一个给定的种族。
如果您不知道自己的组是什么，那么您可能不会处于学习排名的状态，也许更直接的分类或回归会更适合。