В одном из своих докладов по catboost Анна-Вероника говорила, что при обучении для catboost можно показать не только train, но и test set.

Как я понял, он вытащит тогда больше информации о распределении фич и это поможет всяким эвристикам.

Как это сделать?

Спасибо

Среди числовых фичей, посчитанных по категориальным фичам, есть фича частотность значения катфичи.
Так как она не использует таргет, то ее можно считать на трейн+тест, а не только на трейне.
Для этого в катбусте можно использовать counter_calc_method='Full'

Женюсь!

Спасибо )

если правильно понял, все статистики по кат фичам считаются под капотом, нужно только указать кат столбцы?

да

Зачем это в чате? Я думаю, блокировать ли тебя.

Удаляем

CatBoostError: c:/goagent/pipelines/buildmaster/catboost.gittt/catboost/libs/options/plain_options_helper.cpp:510: Unknown option {calc_feature_importance} with value "true"

где то сломали обратную совместимость?

Это при загрузке модели или при обучении?

from catboost import CatBoost
param = {'loss_function':'YetiRank',
        'learning_rate': .00001,
        'iterations': 1000,
        'depth': 7,
        'use_best_model':True,
        'calc_feature_importance': True,
        'one_hot_max_size' : 20,
        'bagging_temperature' : .7,
        'max_ctr_complexity' : 4 }
model = CatBoost(param)
model.fit(train_pool, eval_set=validation_pool,
   logging_level='Silent',
   plot=True);

Для обучения да, мы ее в 0.9 удалили

Breaking changes бывают, мы про них пишем в нотисах. Другое дело, что мы модель не ломаем, чтобы никому прод не сломать.

в этом кейсе возможно стоило бы Warning cделать и не упасть

За последние 8 мажорных и неизвестно сколько минорных версий, мы бы ворнинг уже давно заменили на удаление параметра.

Но да, мы стараемся сначала ворнинги добавлять, особенно для часто используемых параметров.

CatBoostError: c:/goagent/pipelines/buildmaster/catboost.gittt/catboost/libs/metrics/metric.cpp:4498: metric [RMSE] is incompatible with loss [YetiRank] (not compatible with ranking)

Все правильно, текст ошибки отражает проблему - если ты обучаешь ранжирование, то на RMSE смотреть смысла нет