MK
Size: a a a
2019 August 11
A
Коллеги, добрый вечер! Недавно узнал об этой библиотеке. Какие у вас впечатления о ее эффективности по сравнению с xgboost?
MK
@azkalot1 а что за задача классификация? и сколько данных если не секрет
MK
Коллеги, добрый вечер! Недавно узнал об этой библиотеке. Какие у вас впечатления о ее эффективности по сравнению с xgboost?
впечатления хорошие, особенно радует то что разработчики тут и на гитхабе отвечают, а по xgboost ответа не дождешься)
A
Верно ли, что в среднем вычисление прогноза по готовым признакам происходит быстрее, чем на xgboost?
SK
@azkalot1 а что за задача классификация? и сколько данных если не секрет
Натягиваю катбуст поверх фичей из b7 в aptos на каггле
SK
Верно ли, что в среднем вычисление прогноза по готовым признакам происходит быстрее, чем на xgboost?
Если все делать правильно и использовать симметричные деревья, по скорости применения нас сложно обогнать :)
A
а с сильно зашумленными данными наподобие финансовых рыночных данных catboost не хуже xgboost справляется, не делился кто-нибудь впечатлениями из пользователей?
A
скажем lightgbm хуже xgboost, хотя и быстрее обучается
MK
скажем lightgbm хуже xgboost, хотя и быстрее обучается
если у тебя есть категориальные признаки, то xgboost не должен быть лучше по качеству, так-как он с ними не умеет работать, насколько я помню
SK
Но их всегда можно заенкодить самому :)
MK
это слишком примитивно) катбуст более продвинуто работает с ними
A
ну тем не менее у меня было впечатление, что xgboost на сильно зашумленных данных давал прогнозы лучше lightgbm.
A
и еще удивительно после xgboost, что обучение на gpu существенно быстрее идет, на xgboost я не видел разницы.
MK
ну тем не менее у меня было впечатление, что xgboost на сильно зашумленных данных давал прогнозы лучше lightgbm.
никто тут думаю не скажет как оно работает, у всех данные разные, пробуйте катбсуст если не зайдет, то можно создать issue на гитхабе и прикрепить датасет)
2019 August 12
VS
вот тут человек пишет о проблеме https://github.com/catboost/catboost/issues/945 похожа на то я говорил неделю назад, начиная с 16.0 модель пишет в лог обучения одно, а когда применяешь ее показатели качества совсем другие
присоединяяюсь к этому вопросу, на голом датасете этого соревнования на версии 15.2 получал выше метрику чем после обновления на 16.2 и c новыми фичами, пока перешел на lgbm
IP
присоединяяюсь к этому вопросу, на голом датасете этого соревнования на версии 15.2 получал выше метрику чем после обновления на 16.2 и c новыми фичами, пока перешел на lgbm
У меня наоборот выросло
AD
We've published CatBoost 0.16.3! The new release contains AUC Mu metric for multiclassification, get_confusion_matrix() method, time series cv and more: https://github.com/catboost/catboost/releases/tag/v0.16.3
Bo
Ребята, если имеется фича «месяц» и у нее 12 значений, то лучше катбусту скармливать ее как категориальная фича или как вещественная? И как быть в такой ситуации при использовании других алгоритмов: лес или xgboost например?
P🐈
Ребята, если имеется фича «месяц» и у нее 12 значений, то лучше катбусту скармливать ее как категориальная фича или как вещественная? И как быть в такой ситуации при использовании других алгоритмов: лес или xgboost например?
предлагаю числовой. У значений фичи есть явный порядок