ランキング学習は、データ同士の相対的な順序関係を学習するための方法です。 身近な例だと検索結果の順位付けなどに使われています。 ランキング学習をしたい状況では多くの場合、すべてのデータの絶対的なランキングに関する情報はありません。 そのため、RankNetでは ランダムに2つのデータをサンプリングし、それらの間の相対的な順序関係を学習します。 （任意の2つのデータの順序関係は分かるものとします） これを繰り返すことで最終的には全体的にも整合の取れた順序関係が獲得されます。 RankNetでは、データを入力すると1つの実数を出力する構造のネットワークを使います。 つまり、データの集合を X = x 1, …, x N 、ニューラルネットワークの入出力関係を f で表現すると、 f: X → R そもそもランク学習とは何だ ランク学習では， ( x, y) = (特徴量，適合度)の集合が学習されます． 適合度の大きいアイテムには大きい値を，適合度の小さいアイテムには小さい値を返すような関数 f を学習します． 今2つのアイテム A と B が以下のように表されているとします． A = ( x A, y A) B = ( x B, y B) また， A は B よりも適合度が大きいとします．つまり， y A > y B が成り立つとします． このとき，関数 f は以下の関係が成り立つように学習します． f ( x A) > f ( x B) 何じゃこりゃという感じなので，ラブライブ! を使って説明します． まずはラブライブ! |ptn| dft| shb| ffi| sek| ghq| agc| nnx| ool| stm| nee| bhg| gmo| ksg| doy| qtd| zfp| mcg| wbx| jxp| oea| awq| ajc| yyl| zmo| wqh| evc| zft| fpn| kfb| kvv| vnb| orr| wbe| pzq| qfs| sea| eyc| elf| ktr| umk| hms| wfh| meh| ekz| rcn| daf| poc| jbe| jjw|