Добрый день :)
Подскажите, пожалуйста, есть возможность понизить важность признака перед обучением модели? Например, сопоставить низкий вес или что-то в этом роде

Всем привет, порекомендуете джуну, оптимальныю последовательность в изучении CatBoost, чтобы быстрее освоить технологию. Если не поскупитесь на буквы ради ясности, буду очень благодарен.

https://www.youtube.com/watch?v=xl1fwCza9C8
очень быстро освоишь основы по этому видео

Спасибо 👍

Что это за ошибка такая?

При обучении была колонка с именем "Volatility(24.12)", а при применении на этой позиции вы передаете колонку с именем "GEP" - так нельзя делать.

завел иссуе месяц назад и никакого по нему фидбека :) это норм? :)

да, значит, руки пока не дошли

Коллеги, а кто-нибудь сталкивался с проблемой

CatBoostError: Bad value for num_feature[non_default_doc_idx=0,feature_idx=9]="Unknown": Cannot convert 'b'Unknown'' to float

?

Как понять, в какой колонке ошибка?

Должна быть в девятой

Точнее в десятой (0-индексация)

Спасибо, а как исправить ошибку CatBoostError: catboost/private/libs/target/data_providers.cpp:609: You should specify target border parameter for target binarization.? В документации такого параметра не указано: https://catboost.ai/docs/concepts/python-reference_cv.html

Вообще эта ошибка значит, что у тебя в таргете больше, чем два значения. Но ошибка должна быть не такая, поэтому сделай, пожалуйста, issue, текст ошибки сделаем более понятным.

В target'е одна переменная, насколько понимаю:

cat_features = categorical_columns

cv_dataset = Pool(data=train_data,
                  label=train_label.tolist(),
                  cat_features=cat_features)

params = {"iterations": 100,
          "depth": 2,
          "loss_function": "Logloss",
          "verbose": False}

scores = cv(cv_dataset,
            params,
            fold_count=5, 
            plot="True")

Обучение запускается в режиме бинарной классификации, а метки небинарные.

метки == target == label

и != cat_features :)