AD
Только не с фото, а со скопированным кодом
https://github.com/catboost/catboost/issues/842
Пробовал по этому issue менять grow_policy, все равно то же самое что в плюсах, что в питоне
Size: a a a
2020 May 07
P
окей
ВЯ
Всем привет, хотел спросить, для чего вообще нужен метод cv в catboost
Насколько я понимаю cross-validation используется для обучения модели на N фолдах и проверки на (N+1)-ом куске выборки.
Но cv не принимает модели, и при том возвращает pandas датафрэйм с метриками на каждой итерации.
Насколько я понимаю cross-validation используется для обучения модели на N фолдах и проверки на (N+1)-ом куске выборки.
Но cv не принимает модели, и при том возвращает pandas датафрэйм с метриками на каждой итерации.
MK
Виталий Ястреб
Всем привет, хотел спросить, для чего вообще нужен метод cv в catboost
Насколько я понимаю cross-validation используется для обучения модели на N фолдах и проверки на (N+1)-ом куске выборки.
Но cv не принимает модели, и при том возвращает pandas датафрэйм с метриками на каждой итерации.
Насколько я понимаю cross-validation используется для обучения модели на N фолдах и проверки на (N+1)-ом куске выборки.
Но cv не принимает модели, и при том возвращает pandas датафрэйм с метриками на каждой итерации.
обучает модели и делает кросс-валидацию, возвращает результат
ВЯ
А если я хочу сделать предикт на обученной модели, как это сделать
MK
cv не возвращает обученную модель насколько я помню, вот тут дока
https://catboost.ai/docs/concepts/python-reference_cv.html
https://catboost.ai/docs/concepts/python-reference_cv.html
ВЯ
Да, я читал, модели не возвращает
MK
если результат кросс-валидации устраивает, обучаешь модель на всех данных и делаешь предикт
ВЯ
Отлично, теперь я понял, спасибо!
ВЯ
VM
подскажите есть какие-то встроенные функции по работе с временными рядами? на небольших базах сьедает datetime столбик, сам с ним разбирается как-то и выдает норм результат, но как только добавляю еще 300фичей ругается что не может работать с временными данными
SN
Как вы включаете GPU?
на виртуальной машине в Yandex Cloud установил драйверы, выполнил проверочные тесты от NVIDIA, затем подключаю GPU в консоли. Если GPU отключить, catboost ругается, не находя GPU устройства, это правильно. А если GPU подключить, catboost.CatBoostClassifier нормально работает, но не дает выигрыш в производительности.
OT
https://github.com/catboost/catboost/pull/1249/commits я правильно понимаю что можно обновлять и пользоваться ?
SK
мы скоро зарелизим новую версию, в нее этот коммит попадет, да
SK
пока же придется собирать из исходного кода
OT
а какая из метрик наиболее близка к prauc среди реализованных ?
OT
в чем может быть дело ? использую кастомную метрику, все было норм, потом добавил фичей и стало показывать полную хрень. Смотрел что подается на вход для расчет кастомной метрики, вроде все норм. На других данных адекватно считает. У меня сильный дисбалланс классов, может ли такое быть что например кастомная метрика считается только подмножестве данных и поэтому так получилось что попали только данные с 0 таргетом ?
MK
learning rate слишком высокий
OT
но до этого с таким же lr адекватно обучалось, а после добавления фичей началось...