选用回归Loss的话Target Label自然从[0档, 1档, 2档, 3档]映射到[0.0, 0.33, 0.66, 1.0]分直接体现出类别之间的有序性不容易出排序上严重的badcase因为如果一个数据如果本来是0.5分错误顶多可能给预测到0.7分还行但是选分类Loss的话如果本来0档是可能给预测成3档会是比较严重的badcase。下面只是写下观察的结果经过实践发现如果一个错误测试数据在分类Loss本来是0档给预测到了3档换成回归Loss可以说本来0.1的分数还是给预测到了0.95-0.99的高分。如果一个数据本来是0档被分类Loss训的模型预测错为1档那么回归Loss训的模型会预测到0.33分左右而不是比如 略微错一点的0.1分如果一个数据本来是0档被分类Loss训的模型预测错为2档那么回归Loss训的模型会预测到0.66分左右而不是比如 错的更多的0.2分如果一个数据本来是0档被分类Loss训的模型预测错为3档那么回归Loss训的模型会预测到0.99分左右而不是比如 错的最多的0.3分NDCG上看回归Loss比分类Loss的NDCG高因为分类Loss在档位内按不排序。核心还是数据质量。