Bo
Если вдруг путаешься, то руководствуйся этой таблицей)
Спасибо большое))
Получается на предикт смотрим, теперь понял
Size: a a a
2019 May 26
Д
Д
Хорошо!)
Bo
Всегда пожалуйста)
A
Коллеги, вопрос на тему "дообучения" уже имеющейся модели - если взять модель М1 обученную на признаках Х1, и дообучить её добавив в тот же датасет признаки Х2 и получив модель М2, то может ли эта модель М2 быть измеримо хуже, чем модель, которая изначально строилась на обоих наборах признаков Х1+Х2 ?
A
При прочих равных
A
Или скорее "обученная за то же время"
A
В контексте catboost это Pool(..., baseline=train_baseline)
A
Или скорее параметр snapshot_file в методе fit
A
Наверное вопрос можно перефразировать - можно ли на первой итерации так испортить модель (уйти в локальной максимум), что на второй её уже не исправишь до того же приблизительно того же качества, которое могло бы быть изначально (т.е. не вытянешь ближе к глобальному максимуму, за тот же отрезок времени)
A
И на самом деле вопрос скорее про "как у вас на практике обычно выходит", потому что в теории и так понятно, что можно искуственно такие данные подобрать в Х1, что первая модель уедет куда-то далеко от оптимума
Bo
А есть смысл нормализовать данные перед подачей их в катбуст?
K
А есть смысл нормализовать данные перед подачей их в катбуст?
Деревьям нормализация не нужна
Bo
Спасибо
SK
А есть смысл нормализовать данные перед подачей их в катбуст?
https://catboost.ai/docs/concepts/binarization.html#binarization - для флоатных фичей применяется квантизация, можно тут посмотреть какие способы построения границ есть
Bo
https://catboost.ai/docs/concepts/binarization.html#binarization - для флоатных фичей применяется квантизация, можно тут посмотреть какие способы построения границ есть
Благодарю!
Bo
Кстати, а не планируется разработка ещё какой-то открытой библиотеки для ML от яндекс? Может нейронки, кластеризация и тд?
2019 May 27
AD
Welcome @carol, our 300-th participant! 😊
AD
Мы тут на русском говорим, я запуталась в группах. Да, нас теперь 300!
