我是学习排名的新手。我正在尝试学习xgboost 提供的Learning to rank 示例。发现核心代码如下rank.py。

train_dmatrix = DMatrix(x_train, y_train)
valid_dmatrix = DMatrix(x_valid, y_valid)
test_dmatrix = DMatrix(x_test)

train_dmatrix.set_group(group_train)
valid_dmatrix.set_group(group_valid)

params = {'objective': 'rank:pairwise', 'eta': 0.1, 'gamma': 1.0,
               'min_child_weight': 0.1, 'max_depth': 6}
xgb_model = xgb.train(params, train_dmatrix, num_boost_round=4,
                           evals=[(valid_dmatrix, 'validation')])
pred = xgb_model.predict(test_dmatrix)

组数据用于训练和验证集。但是测试集预测不使用组数据。我还查看了一些解释来介绍模型输出，例如XGboost 使用“rank:pairwise”的输出是什么？.

实际上，在 Learning to Rank 领域，我们试图预测每个文档对特定查询的相对分数。

我的理解是，如果测试集没有分组数据，则不指定查询。模型如何输出指定查询的相对分数？

我已经尝试添加test_dmatrix.set_group(group_test). 两种方法的输出结果非常吻合，例如：

[ 1.3535978  -2.9462705   0.86084974 ... -0.23594362  0.712791
 -1.633297  ]

所以我的问题如下：

1. 为什么在 xgboost 中使用 'rank:pairwise' 时不需要设置测试组？

2. 如何根据预测分数结果获取指定组查询的标签？

谁能给我解释一下？提前致谢。