Я создаю классификатор ранжирования XGBoost, используя Python xgboost.sklearn.XGBClassifier ( XGBClassifier ). В своей задаче я пытаюсь классифицировать ранжирующие метки, которые различаются 0,1,2,3. В настройке классификатора я использовал objective = "rank:pairwise". Теперь я хочу запустить перекрестную проверку с помощью sklearn.model_selection.cross_val_score ( cross_val_score ).
Существуют ли какие-либо канонические варианты выбора функции scoring для оценки эффективности классификации результатов ранжирования?
Я думаю, что scoring = "neg_mean_squared_error" кажется правильным выбором, поскольку он весит расстояние между двумя метками, т.е. учитывает ранжирующий характер результата.
Я надеюсь получить другие комментарии / мнения / опыт по этому поводу.