![[PukiWiki]](image/ibisforest.png "[PukiWiki]")
ニューラルネットで，1/0 のそれぞれのクラスへのなりやすさではなく，そのなりやすさで整列したときの順位を正確に予測する工夫． 機械学習分野で，順位付けの問題を扱った初期の研究．
訓練事例は1/0の2クラス． これを，整列すると，1の事例が上位に，0の事例が下位に並ぶ． しかしこれでは大量の同順位が生じる． そこで，1の訓練事例内で，現在のネットワークの出力の大きさに応じて整列． 0の訓練事例内でも同様の処理をする． すなわち，訓練事例の1/0を1次キー，ネットワークの各事例の予測値を2次キーとして与えられた訓練事例を整列．
訓練事例を整列したら，今度は，この列中での順位を予測するように，最小2乗誤差基準でバックプロパゲーションを用いてネットワークを再訓練する．
仮想コードで書くと，次の手続きを反復
この方法がうまくゆく理由としては，関数そのものより，その関数と単調な関係の関数を学習する方が，学習の条件として緩くなることを挙げている．
-- しましま
