I
chisto iz lyubopytstva, skoliko po vremeni trainitsea catboost po vashim dannym?
Size: a a a
2019 November 04
b
sovershenno odinakovo po vremeni na obeih kartah
b
primerno 5 chasov
b
tree depth = 12, learning rate = 0.03, 'l2_leaf_reg': 9, 'bootstrap_type': 'Poisson'
I
hm, nice
SK
Ого, глубина 12
SK
Это очень много
SK
Если глубина правда важна, попробуйте несимметричные деревья учить
I
@kizill a eto kak?
OY
привет всем
как обернуть собственную функцию потерь на питоне для регрессии
как обернуть собственную функцию потерь на питоне для регрессии
MS
https://catboost.ai/docs/concepts/parameter-tuning.html#symmetric-trees
внизу раздела есть Parameters с описанием типов деревьев, и как задать их в api
внизу раздела есть Parameters с описанием типов деревьев, и как задать их в api
I
@mishc9 spasibo
b
Ого, глубина 12
12 я сам не ставил. Это все hyperparam cv. А в чем проблем таких глубоких деревьев помимо computational load. Так как несимметричные деревья, это тот же light gbm
SK
12 я сам не ставил. Это все hyperparam cv. А в чем проблем таких глубоких деревьев помимо computational load. Так как несимметричные деревья, это тот же light gbm
Глубина 12 - это 4096 значений в листьях. Ну и при подсчете скора сплита мы получаем 2^ 11 * binCount(Feature_i), что для дефолтной бинаризации 128 дает аж 262-е тысячи бинов в гистограммах по одной фиче, дюже много
2019 November 05
YB
Наверное уже писали про эту проблему. Когда в Pool добавляешь cat_features shap values explainer потом не работает
YB
Лечится тем, что оставляем cat_features пустым
2019 November 06
Y
А тут кто-нибудь может подсказать насчёт SHAP? :)
Y
Правильно ли я сделал вывод?)
Y
Вот так выглядит out