E
сделай, пожалуйста, issue на гитхабе, посмотрим
Size: a a a
2019 August 01
IP
Число итераций можно менять при восстановлении из снепшота. Остальные параметры должны быть такие же. Поэтому можно еще раз запустить обучение с числом итераций меньше, чем было, но больше, чем прошло.
делаю, зависает на последней итерации. Вот и не понятно как делать правильно
AD
делаю, зависает на последней итерации. Вот и не понятно как делать правильно
если сделаешь issue с воспроизводимым примером, мы посмотрим
IP
если сделаешь issue с воспроизводимым примером, мы посмотрим
сделаю как у компьютера буду
AD
сделаю как у компьютера буду
👍
IP
Зависание на последней итерации составило 1час. Думаю это нормально
2019 August 02
AD
A new CatBoost 0.16.2 release contains 2x speedup of CPU multiclass, new feature importance type, nice additions to python like set_feature_names and load_model from snapshot and more: https://github.com/catboost/catboost/releases/tag/v0.16.2
Аa
А по какому принципу вы нумеруете версии, если такой список изменений - с 0.16.1 на 0.16.2? Казалось бы, minor bug fixes - да и хорош :)
AS
Стоит ли ожидать вашу команду на Yatalks в екб?
AD
Вторая цифра меняется, если в релизе есть очень крупные изменения. В принципе можно было этот сделать 0.17, тк много добавили нового, но решили так.
AD
Стоит ли ожидать вашу команду на Yatalks в екб?
Нет, нас там не будет
AS
P🐈
Подскажите, почему в регресии у меня могут быть отрицательные предсказания, если в трейне были только положительные?
Аa
На кросс-валидации (
cv) особого ускорения не заметил, а вот на обычном обучении и правда раза в 2 быстрее стало. Огонь!FL
Подскажите, почему в регресии у меня могут быть отрицательные предсказания, если в трейне были только положительные?
У вас отрицательных весов случайно нет?
P🐈
У вас отрицательных весов случайно нет?
Нет
SK
Вообще нет никакой гарантии что отрицательных не будет же
SK
У тебя же бустинг так устроен
P🐈
Хорошо, спасибо
2019 August 04
MK
@annaveronika вот эта issue https://github.com/catboost/catboost/issues/925 тянет на серьезный баг, потому что в 15.2 logloss на валидации совпадает с тем что было при тренировке модели соответственно результат на 15.2 гораздо лучше, пока откатился на 15.2