Телеграмм чат группы catboost_ru страница 126

parrot.ru

Рейтинг популярных групп и каналов

В рейтинге участвует:

групп:

каналов:

Виртуальный сервер на SSD - недорого!

Аренда выделенных и виртуальных серверов (VDS/VPS), хостинг, аренда IP-адресов, администрирование, круглосуточная поддержка

qwarta.ru подробнее

Резервное копирование с проверкой на вирусы!!!

Удобный сервис создания резервных копий на любой сервер сети интернет. Отслеживайте изменения, проверяйте на вирусы. Надежно защитите свой бизнес!

go.backupland.com

Выбираете сервер? Любая конфигурация на заказ!

Аренда физических серверов любых конфигураций под любые запросы - 1С бухгалтерия, игровые сервера, нагруженные проекты, интернет-магазины!

qwarta.ru подробнее

Size: a a a

catboost_ru

553 membersпожаловаться на группу

2019 June 02

OS

Oleg Shapovalov in catboost_ru

Maxim Khrisanfov

по поводу качества смотри мой пост выше, на гпу даже лучше при одинаковых параметрах, пока не нашел этому объяснение

Есть параметры, у которых дефолтные значения разные для gpu и для cpu, в этом чате уже когда-то обсуждалось. В gpu варианте используются более вычислительно сложные алгоритмы, поэтому и результат лучше

источник

20:10пожаловаться #1

AD

Anna Veronika Dorogush in catboost_ru

https://catboost.ai/docs/concepts/faq.html#differencies-between-cpu-and-gpu вот тут описаны отличия

FAQ - CatBoost. Documentation

This happens because auto-generated numerical features that are based on categorical features are calculated differently for the training and validation datasets: Training dataset: the feature is calculated differently for every object in the dataset. For each i-th object the feature is calculated based on data from the first i-1 objects (the first i-1 objects in some random permutation). Validation dataset: the feature is calculated equally for every object in the dataset. For each object the feature is calculated using data from all objects of the training dataset.

источник

22:28пожаловаться #2

2019 June 03

Д

Дмитрий in catboost_ru

Всем привет, подскажите, пожалуйста, где найти формулы как работает алгоритм? Нужно для бакалаврской. Заранее спасибо

источник

07:36пожаловаться #3

Д

Даниил in catboost_ru

Всем привет, подскажите, пожалуйста, где найти формулы как работает алгоритм? Нужно для бакалаврской. Заранее спасибо

Есть две статьи про CatBoost на Arxiv, наверное можно в них поискать

источник

09:48пожаловаться #4

Д

Дмитрий in catboost_ru

Ок, спасибо

источник

09:49пожаловаться #5

A

Alexander Moiseev in catboost_ru

всем првиет!

решил вчера на своей машинку прогнать один и тот же скрипт по обучению catboost на cpu и gpu - заметил разницу в auc на тесте.

CPU bestTest = 0.903
GPU bestTest = 0.900

параметры не менял. Рандом зафиксирован на уровне воркбука, а не яейки. random_seed указан в моделе

это ожидаемая разнциа? если правильно помню на GPU алгоритм построения немного длругой

источник

10:59пожаловаться #6

AD

Anna Veronika Dorogush in catboost_ru

Alexander Moiseev

всем првиет!

решил вчера на своей машинку прогнать один и тот же скрипт по обучению catboost на cpu и gpu - заметил разницу в auc на тесте.

CPU bestTest = 0.903
GPU bestTest = 0.900

параметры не менял. Рандом зафиксирован на уровне воркбука, а не яейки. random_seed указан в моделе

это ожидаемая разнциа? если правильно помню на GPU алгоритм построения немного длругой

https://catboost.ai/docs/concepts/faq.html#differencies-between-cpu-and-gpu вот тут описаны отличия

FAQ - CatBoost. Documentation

This happens because auto-generated numerical features that are based on categorical features are calculated differently for the training and validation datasets: Training dataset: the feature is calculated differently for every object in the dataset. For each i-th object the feature is calculated based on data from the first i-1 objects (the first i-1 objects in some random permutation). Validation dataset: the feature is calculated equally for every object in the dataset. For each object the feature is calculated using data from all objects of the training dataset.

источник

11:05пожаловаться #7

P🐈

Pavel Tyavin 🐈 in catboost_ru

В питоновском интерфейсе применение падает, когда в cat-фичу попадает None. Это баг?

источник

11:19пожаловаться #8

P🐈

Pavel Tyavin 🐈 in catboost_ru

from catboost import Pool, CatBoostRegressor
train_data = [['1', '2'], ['2', '3']]
train_label = [0, 1]
train_pool = Pool(
    train_data, 
    train_label,
    cat_features=[0,1],
)

model = CatBoostRegressor(
    iterations=2, 
    depth=2, 
    learning_rate=1, 
    loss_function='RMSE', 
    silent=True
).fit(train_pool)

print(model.predict([['1', '3']]))
print(model.predict([['1', None]]))  # Error

источник

11:19пожаловаться #9

AD

Anna Veronika Dorogush in catboost_ru

https://catboost.ai/docs/concepts/faq.html - тут есть ответ и на твой вопрос тоже.

FAQ - CatBoost. Documentation

This happens because auto-generated numerical features that are based on categorical features are calculated differently for the training and validation datasets: Training dataset: the feature is calculated differently for every object in the dataset. For each i-th object the feature is calculated based on data from the first i-1 objects (the first i-1 objects in some random permutation). Validation dataset: the feature is calculated equally for every object in the dataset. For each object the feature is calculated using data from all objects of the training dataset.

источник

11:20пожаловаться #10

AD

Anna Veronika Dorogush in catboost_ru

Хорошо, что мы этот раздел добавили :)

источник

11:20пожаловаться #11

P🐈

Pavel Tyavin 🐈 in catboost_ru

Спасибо. Действительно

источник

11:20пожаловаться #12

Bo

Blen obema in catboost_ru

Anna Veronika Dorogush

https://catboost.ai/docs/concepts/faq.html - тут есть ответ и на твой вопрос тоже.

FAQ - CatBoost. Documentation

This happens because auto-generated numerical features that are based on categorical features are calculated differently for the training and validation datasets: Training dataset: the feature is calculated differently for every object in the dataset. For each i-th object the feature is calculated based on data from the first i-1 objects (the first i-1 objects in some random permutation). Validation dataset: the feature is calculated equally for every object in the dataset. For each object the feature is calculated using data from all objects of the training dataset.

Очень плохо, что из Украины без VPN не открывается сайт катбуста

источник

11:26пожаловаться #13

AD

Anna Veronika Dorogush in catboost_ru

Точно не открывается? Нам про https://tech.yandex.com говорили, что не открывается, а про catboost.ai писали, что все ок.

Yandex Technologies

Yandex tools for your websites and apps: cloud storage and syncing, APIs for Maps, Market, Direct, and Money, speech and linguistic technologies, and much more.

источник

11:27пожаловаться #14

DI

Dmytro Ivanov in catboost_ru

нет, не открывается

источник

11:28пожаловаться #15

Bo

Blen obema in catboost_ru

Очень странное наблюдение
С мобильного интернета не открывается ни то ни другое, с университетского открыватся tech.yandex, но не открывается catboost.ai

источник

11:32пожаловаться #16

Bo

Blen obema in catboost_ru

Должно быть, провайдеры сами решают давать доступ или нет

источник

11:32пожаловаться #17

AD

Anna Veronika Dorogush in catboost_ru

Я попробую узнать, почему не открывается catboost.ai. Но не уверена, что мы на это как-то повлиять можем...

источник

11:33пожаловаться #18

Bo

Blen obema in catboost_ru

Хорошо, спасибо!

источник

11:33пожаловаться #19

Bo

Blen obema in catboost_ru

Кстати, обучение модели на питоне на CPU происходит в один поток или несколько? Можно ли регулировать этот параметр?

источник

11:37пожаловаться #20