MK
Size: a a a
2019 September 23
S⚠
Ребят, может кто подскажет или встречал пример, как после обучения модели катбуста оставить только выделенные фьючер импортенс фичи, условно топ 100 и пересохранить их в новый csv датасет и ещё раз на них переобучить модель
AD
можно использовать параметр ignored_features, в который записать все остальные фичи
S⚠
Это при обучении повторном нужно указать? В List кладём игнорируемые параметры ?
MK
Это при обучении повторном нужно указать? В List кладём игнорируемые параметры ?
при применении
AD
это параметр обучения, да
AD
при применении
нет, при обучении
MK
а у применялки же такой же параметр есть?
SK
а у применялки же такой же параметр есть?
применялка старается использовать только те фичи, которые есть в деревьях
AD
при обучении просто эти фичи не будут заиспользованы
MK
понял
S⚠
Спасибо, а тогда есть пример как можно брутить фичи ?
MK
@annaveronika действительно на последнем shap нет той ошибки про которую я писал выше, но появилась другая :) ValueError: could not broadcast input array from shape (383) into shape (255) возникакет в мультикласс модели, то же известная проблема https://github.com/slundberg/shap/issues/750
AD
@annaveronika действительно на последнем shap нет той ошибки про которую я писал выше, но появилась другая :) ValueError: could not broadcast input array from shape (383) into shape (255) возникакет в мультикласс модели, то же известная проблема https://github.com/slundberg/shap/issues/750
сделай, пожалуйста, нам issue, прилинкованное к этому, чтобы мы не забыли на это посмотреть
MK
подскажите, как правильно сказать CatBoost чтобы считал AUC Mu на GPU ?
указываю параметры
loss_function='MultiClass',
eval_metric='AUC'
сейчас такая ошибка:
указываю параметры
loss_function='MultiClass',
eval_metric='AUC'
сейчас такая ошибка:
CatBoostError: catboost/cuda/targets/gpu_metrics.cpp:658: Eval metric should have a single value. Metric MultiClass provides a value for each class, thus it cannot be used as a single value to select best iteration or to detect overfitting. If you just want to look on the values of this metric use custom_metric parameter.
AD
Сделай issue, поправим
2019 September 24
AD
We've published a new CatBoost release 0.17.3 with visualization for parameter tuning. Now you are able to see how much time has passed/left and what is the quality with tested parameters! https://twitter.com/CatBoostML/status/1176418434000859137?s=20
2019 September 26
BA
Ребят, добрый день! Хотел бы спросить: возможен ли у кэтбуста инференс на GPU? И если да, то не подскажете, возможно ли загрузить туда уже существующую модель, обученную на CPU? Заранее спасибо!
SK
C api да
SK
Python пока нет