順序回帰とランク付けの違いは何ですか？

順序回帰とランク付けの両方で、順序付けられた従属変数から学習しているので、私の質問は次のとおりです。

序数回帰問題とランク付け問題の学習の定式化（ある場合）の違いは何ですか？

3年後、自分の質問に答えます。

私にとって、主な違いは、さまざまな問題におけるモデルの出力が何であるかです。通常の回帰では、タスクは特定のサンプルのラベルを予測することです。したがって、予測の出力はラベルです（たとえば、マルチクラス分類の場合と同様）。一方、ランク付けの学習の問題では、出力は一連のサンプルの順序です。つまり、ランキングモデルの出力は、サンプルに可能な限り順序付けられたラベルを持たせる順列と見なすことができます。したがって、順序回帰モデルとは異なり、ランキングアルゴリズムはクラスラベルを予測できません。このため、ランキングモデルの入力では、クラスラベルを指定する必要はありませんが、サンプル間の部分的な順序のみを指定する必要があります（このアプリケーションの例については、[0]を参照してください）。この意味で、ランキングは順序回帰よりも簡単な問題です。

$\{(x_1, 1), (x_2, 2), (x_3, 2)\}$$(1, 2, 3) \to (1, 2, 3)$$(1, 2, 3) \to (1, 3, 2)$$\{(x_1, 1), (x_2, 2), (x_3, 2)\}$$\{(x_1, 1), (x_3, 2), (x_2, 2)\}$

[0]クリックスルーデータを使用した検索エンジンの最適化Thorsten Joachims

すばらしい質問です。一般に、統計と機械学習の違い、または「私たちの」質問に対する他のフィールドのアプローチは、各フィールドに関連付けられた用語の動物園があるため、理解するのが難しい場合があります。

したがって、たとえば、backpropニューラルネットが何らかの非線形回帰を「ちょうど」実行していることを人々が知ったとき、それは研究者の間の主要な発見のようなものでした。

これは同じようなことだと思います。同じ問題を攻撃するために人々が思いついたテクニックはたくさんあります。通常のロジスティックは1つです。