Всем привет!
Приглашаем всех на наш туториал по новым фичам, который пройдет 4 июня в формате вебинара:
https://events.yandex.ru/events/tutorial-catboost-04-06-2020?from=tg_catboost

Добрый день, пытаюсь реализовать собственную функцию потерь на C++ (Adding custom per-object objective function tutorial ). по инструкции (https://github.com/catboost/tutorials/blob/master/custom_loss/custom_metric_tutorial.md)

Методы создал CalcDer and CalcDer2, но

не понятно как создать класс TUserDefinedPerObjectError и как установить парметры (set the parameter loss_function with the value of UserPerObjMetric ).

Подскажите, пожалуйста, как это реализовать. Будет очень полезно если будет пример.😊

Как работают эти коэффициенты? Как из них learning rate получается?

@annaveronika
Есть ли разница в производительности (времени расчёта) между кастомной функцией потерь, написаной на C++ и написанной на python. Когда нужно писать на C++?

да, на c++ будет работать гораздо быстрее

Спасибо большое.

По C++ есть вопрос по реализации.
не понятно как создать класс TUserDefinedPerObjectError и как установить парметры (set the parameter loss_function with the value of UserPerObjMetric ).

Подскажите, пожалуйста, как это реализоват?. Будет очень полезно если будет пример.😊

нужно смотреть в туториале

Здравствуйте!

get_roc_curve(model, en.train_pool, plot=True, ) есть ли возможность как-то подписать график? Параметр title или что-то в этом роде?

Добрый день! Порекомендуйте пожалуйста качественный туториал по мультиклассовой классификации. В документации не хватает примеров использования на реальных данных и подходов к настройке гиперпараметров, которых большое количество. Сделать практические выводы из описания параметров бывает непросто. Например вот такие пассажи “The amount of randomness to use for scoring splits when the tree structure is selected. Use this parameter to avoid overfitting the model.
The value of this parameter is used when selecting splits. On every iteration each possible split gets a score (for example, the score indicates how much adding this split will improve the loss function for the training dataset). The split with the highest score is selected.
The scores have no randomness. A normally distributed random variable is added to the score of the feature. It has a zero mean and a variance that decreases during the training. The value of this parameter is the multiplier of the variance.”
USer Guide должен быть User friendly!

Коллеги, добрый день. Подскажите, а намеренно ли сделано то, что текстовых фич нет в model.feature_names_?

Не успели их туда добавить видимо, сделай, пожалуйста, issue на гитхабе, чтобы не потерялось

Ок. https://github.com/catboost/catboost/issues/1314

Coool event

подскажите как grid_search с cat_features делать?

Если я правильно понял вопрос, то когда делаешь фит указываешь помимо параметров обучения еще и кат-фичи.
Для примера:
clf_grid.fit(X_train, y_train, cat_features=cat_features)

Добрый день,
Подскажите пожалуйста, как CatBoost работает при использовании модели с категориями которые никогда не встречал при обучении модели.

Например у вас есть регрессионная модель для оценки стоимости авто с категорией "тип топлива", и в обучающей выборке у вас не было информации о машинах с типом топлива GPL. Я бы хотел досконально разобраться и понять как поведет себя модель при запросе на оценку стоимости авто с категорией топлива GPL исходя из того что категорические данные конвертируются в числа. Во что и как будет конвертирована, доселе невиданная, категория.

Заранее вам благодарен.

Я не знаю как оно реализовано в катбуст, но есть из принципа, что кат в числа, то должно пойти по ветке else в ветвлении, или может быть вызвано исключение какое-нибудь.
Вы сами не пробовали запускать код?

Добрый день.
Обнаружил, что при кросс-валидации catboost использует процессор (i5 3550) на 10-20%. Причем нагрузка равномерно распределена на все ядра. При этом при обычном обучении все ядра и процессор в целом используется по максимуму. Нормально ли это, и если нет, то что можно с этим сделать?

Если значений катфичи было меньше, чем one hot max size - то в случае нового, невиданного до этого значения просто везде в сплитах дерева, использующих значения этой фичи мы пойдем условно "налево". Для счетчиков проще сослаться на документацию: https://catboost.ai/docs/concepts/algorithm-main-stages_cat-to-numberic.html , но если вкратце, то мы будем использовать prior