我们提出一种有序学习（order learning）方法，用于确定类别之间的顺序图（order graph），以表示类别的等级或优先级，并将一个对象实例分类至相应类别。为此，我们设计了一种成对比较器（pairwise comparator），用于将两个实例之间的关系划分为三种情况：一个实例“大于”、 “类似于”或“小于”另一个实例。通过将输入实例与参考实例进行比较，并最大化比较结果之间的一致性，可可靠地估计输入实例的类别归属。我们将该有序学习方法应用于面部年龄估计任务，取得了当前最先进的性能表现。此外，当利用性别和种族群体信息将顺序图划分为互不相交的链（disjoint chains）时，性能可进一步提升；甚至在无需标注信息的无监督方式下，也能实现性能增强。