Мы про применение скоро пост подробный напишем, а то много у кого вопросы

multi-label классификацию пока что не планируем, а мульти-регрессию, когда несколько таргетов, планируем добавить.

Ребят, поделитесь кейсами реального применения кэтбуста в ваших проектах за исключением того как он используется в самом яндексе

да там же где и тот же lightgbm & xgboost
отличие мб в том, что с коробки сразу норм и есть отдельная обработка категориальный фичей.

Это понятно. Просто интересно реальные кейсы послушать и направления

Например я сейчас использую random forest классификатор от склерн, обученный на сравнительно небольшом датасете. Модель трансформируется в си код и встраивается в проект движка. Движок - анализатор малвари.
Сейчас собирается более плотный датасет порядка 100к чистых и малварных семплов. Хочу попробовать катбуст на нем.

пробуйте и поделитесь плз результатами

В одной из предыдущих версий (0.13 вроде бы) был вывод feature importance в виде list of tuples, где каждый tuple имел вид (<feature name>, <feature importance>). Соответственно, в лог оно уходило одной строкой.
К 0.16 это совсем убралив  пользу prettified вывода или я просто потерял нужный метод?

можно поставить prettified=False

но тогда я получу только список feature importance, без имён

по Харреллу, для классификации - 200 событий (наблюдений из миноритарного класса зависимой переменной) на переменную. Если обучающая выборка или последовательность из обучающих блоков содержит 10000 событий, 50 переменных, со скрипом проходим. Любое преобразование переменной - считаем переменную за две. Для логрега - 20 событий на переменную.

они на свет лезут?

да, по всем чатам гуляет эта картинка

Они еще текст редактируют, прикольно выглядит)

эм, это внешний чатик, тут не про Яндекс специфик вещи спрашивают

Сори

---------------------------------------------------------------------------
RuntimeError                              Traceback (most recent call last)
<ipython-input-3-e9c5c4a6d032> in <module>
----> 1 (train_df, test_df) = catboost.datasets.titanic()

c:\users\user\appdata\local\programs\python\python37\lib\site-packages\catboost\datasets.py in titanic()
   116     md5 = '9c8bc61d545c6af244a1d37494df3fc3'
   117     dataset_name, train_file, test_file = 'titanic', 'train.csv', 'test.csv'
--> 118     return _cached_dataset_load_pd(url, md5, dataset_name, train_file, test_file)
   119
   120

c:\users\user\appdata\local\programs\python\python37\lib\site-packages\catboost\datasets.py in _cached_dataset_load_pd(url, md5, dataset_name, train_file, test_file, sep, header)
    89
    90 def _cached_dataset_load_pd(url, md5, dataset_name, train_file, test_file, sep=',', header='infer'):
---> 91     train_path, test_path = _cached_dataset_download(url, md5, dataset_name, train_file, test_file)
    92     return pd.read_csv(train_path, header=header, sep=sep), pd.read_csv(test_path, header=header, sep=sep)
    93

c:\users\user\appdata\local\programs\python\python37\lib\site-packages\catboost\datasets.py in _cached_dataset_download(url, md5, dataset_name, train_file, test_file)
    81         os.close(file_descriptor)
    82         try:
---> 83             _cached_download(url, md5, file_path)
    84             _extract(file_path, dir_path)
    85         finally:

c:\users\user\appdata\local\programs\python\python37\lib\site-packages\catboost\datasets.py in _cached_download(url, md5, dst)
    56             logger.debug('failed to download from %s', u)
    57     else:
---> 58         raise RuntimeError('failed to download from %s', urls)
    59
    60     dst_md5 = _calc_md5(dst)

RuntimeError: ('failed to download from %s', ('https://storage.mds.yandex.net/get-devtools-opensource/233854/titanic.tar.gz',))

ребят, из за чего на оригинальном туториале катбуса может такое выходить при загрузке датасета (любого)

(train_df, test_df) = catboost.datasets.amazon()

У тебя банально это урл открывается?