【模式识别】Learning To Rank之RankBoost

淩亂°似流年 2022-08-24 00:48 103阅读 0赞

RankBoost的思想比较简单，是二元Learning to rank的常规思路：通过构造目标分类器，使得pair之间的对象存在相对大小关系。通俗点说，把对象组成一对对的pair，比如一组排序r1>r2>r3>r4，那可以构成pair：(r1,r2)(r1,r3),(r1,r4),(r2,r3)(r3,r4),这样的pair是正值，也就是label是1；而余下的pair如(r2,r1)的值应该是-1或0。这样一个排序问题就被巧妙的转换为了分类问题。近来CV界很多又用这种learning to rank的思想做识别问题（最早应该是这篇《[Person Re-Identification by Support Vector Ranking][]》），也就是把识别转换为排序问题再转换为分类问题。

Pairwise的排序方法主要用RankSVM和RankBoost，这里主要说RankBoost，整体还是一个Boost的框架：

![20140618233033468][]

注意其与常规Boost的不同组要是Update的时候，当然数据分布也不同。这里可以看出对于最终的排序值，也就是ranking score，其值是没有实际意义的，相对的顺序才有意义。比如r1和r2最终得分是10分和1分，与r1,r2最终得分是100分和1分的信息量差别并不大，我们能得到的结论都是r1应该排在r2前面。

由于和传统的Boost目标不一样，求解也需要非常巧妙的方法，主要在于定义分类器的Loss函数：

![20140618233413093][]

具体的，由于![20140618233506453][]以及![20140618233519578][]我们可以得到分布D的损失：

![20140618233547359][]

于是，目标就变成了最小化

![20140618233650375][]

至此，传统的Boost线性搜索策略已经可以求解，但还有更巧妙的办法。由于函数：

![20140618233813703][]

于是，对于所以\[-1 1\]范围内的x，Z可以近似为：

![20140618233959359][]

其中![20140618233907062][]，这样直接可以Z最小时![20140618234055109][]，此时，![20140618234123703][]于是被转换为最大化|r|的问题。

以下是一段RankBoost的代码：

function [ rbf ] = RankBoost( X,Y,D,T )
    %RankBoost implemetation of RankBoost algoritm
    %   Input:
    %       X - train set.
    %       Y - train labels.
    %       D - distribution function over X times X, it the form of 2D matrix.
    %       T - number of iteration of the boosting.
    %   Output:
    %       rbf - Ranking Function.
    
    rbf = RankBoostFunc(T);
    % w - the current distribution in any iteration, initilize to D
    w = D;
    for t=1:T
        tic;
        fprintf('RankBoost: creating the function, iteration %d out of %d\n',t,T);
        WL = getBestWeakLearner(X,Y,w);
        rbf.addWeakLearner(WL,t);
        rbf.addAlpha(WL.alpha,t);
        alpha=WL.alpha;
        
        %update the distribution
        %eval the weak learnler on the set of X and Y
        h=WL.eval(X);
        [hlen, ~] = size(h);
        tmph = (repmat(h,1,hlen) - repmat(h',hlen,1));
        w=w.*exp(tmph.*alpha);
        %normalize w
        w = w./sum(w(:));
        toc;
    end
    end

一个比较明显的问题是RankBoost需要维持一个非常大的|X|\*|X|的矩阵，程序运行十分占内存，经常![Image 1][]抛出“Out of memory”的错误。所以诸如

tmph = (repmat(h,1,hlen) - repmat(h',hlen,1));

之类的操作不如换成如下方式：

% tmph = (repmat(h,1,hlen) - repmat(h',hlen,1));
        %w=w.*exp(tmph.*alpha);
        [rows, cols] = size(w);
        sumw = 0;
        for r=1:rows
            for c=1:cols
                w(r,c) = w(r,c)*exp((h(r)-h(c))*alpha);
                sumw = sumw + w(r,c);
            end
        end
        
        %normalize w
        %w = w./sum(w(:));
        w = w./sumw;

### （转载请注明作者和出处：[http://blog.csdn.net/xiaowei\_cqu][http_blog.csdn.net_xiaowei_cqu] 未经允许请勿用于商业用途） ###

[Person Re-Identification by Support Vector Ranking]: http://www.eecs.qmul.ac.uk/~sgg/papers/ProsserEtAl_BMVC2010.pdf
[20140618233033468]: /images/20220823/1d8d9d65107f4b348b5a0484e5cc8dd4.png
[20140618233413093]: /images/20220823/10d1c58f414b4733b2ea2983e4a38bbb.png
[20140618233506453]: https://img-blog.csdn.net/20140618233506453
[20140618233519578]: /images/20220823/32adb4975c85498095034f4e3c20ade0.png
[20140618233547359]: /images/20220823/3cad65a5d6aa4542a18bd4a281d423e9.png
[20140618233650375]: /images/20220823/385c69098acd4e4195450cea042b0f57.png
[20140618233813703]: /images/20220823/38ebde78072440a1a28d11c30db77d0b.png
[20140618233959359]: /images/20220823/54144e0fff594404afdab9af2b0acba3.png
[20140618233907062]: https://img-blog.csdn.net/20140618233907062
[20140618234055109]: https://img-blog.csdn.net/20140618234055109
[20140618234123703]: /images/20220823/a120192a834b4269b3c612560377807d.png
[Image 1]: 
[http_blog.csdn.net_xiaowei_cqu]: http://blog.csdn.net/xiaowei_cqu