Телеграмм чат группы catboost

2019 February 08

MK

Maxim Khrisanfov in catboost_ru

короче в Pool передай cat_features этого будет достаточно

источник

14:30пожаловаться #1

MK

Maxim Khrisanfov in catboost_ru

я у себя в проекте использую функцию типа

    def get_categorical_features(x, index=False):
        types = x.dtypes
        names = types.index
        return [i if index else names[i] for i in range(len(types)) if str(types[i]) == 'category']

а Pool инициализирую так
Pool(x, y, cat_features=get_categorical_features(x, index=True))

источник

14:33пожаловаться #2

MK

Maxim Khrisanfov in catboost_ru

str(types[i]) == 'category' тут можно заменить на object если не юзаешь тип category

источник

14:34пожаловаться #3

SZ

Sasha Zhu in catboost_ru

Maxim Khrisanfov

str(types[i]) == 'category' тут можно заменить на object если не юзаешь тип category

да, или !=float64

источник

14:35пожаловаться #4

MK

Maxim Khrisanfov in catboost_ru

ну как вариант, если все остальные float64, но лучше float32

источник

14:35пожаловаться #5

RR

Rock Roll in catboost_ru

Нубский вопрос: а как вытащить и сохранить для дальнейшего применения лучшую модель по итогам кросс-валидации?

источник

14:40пожаловаться #6

MK

Maxim Khrisanfov in catboost_ru

Rock Roll

Нубский вопрос: а как вытащить и сохранить для дальнейшего применения лучшую модель по итогам кросс-валидации?

насколько я знаю пока нет такой возможности, catboost.cv возвращает результаты подсчета метрик на каждой итерации

источник

14:42пожаловаться #7

RR

Rock Roll in catboost_ru

Но как тогда воспользоваться результатами cv?

источник

14:42пожаловаться #8

MK

Maxim Khrisanfov in catboost_ru

result = catboost.cv(...)
print(result)

😊

источник

14:43пожаловаться #9

MK

Maxim Khrisanfov in catboost_ru

result будет таблица pandas

источник

14:43пожаловаться #10

SZ

Sasha Zhu in catboost_ru

Хорошо, вот получила я результат, и что потом, как его применить-то?)

источник

14:48пожаловаться #11

MK

Maxim Khrisanfov in catboost_ru

вообще пока catboost.cv не очень юзабелен, на GPU например быстрее обучить 5 фолдов самому чем юзать catboost.cv - очень медленно на большом датасете + визуализация катбустовская подтупливает
надеюсь исправят в будущем :)

источник

14:49пожаловаться #12

SZ

Sasha Zhu in catboost_ru

Maxim Khrisanfov

вообще пока catboost.cv не очень юзабелен, на GPU например быстрее обучить 5 фолдов самому чем юзать catboost.cv - очень медленно на большом датасете + визуализация катбустовская подтупливает
надеюсь исправят в будущем :)

https://www.kaggle.com/aharless/simple-catboost-cv-lb-281 ты о таком примерно сейчас?

источник

14:50пожаловаться #13

MK

Maxim Khrisanfov in catboost_ru

не знаю сколько там данных, у меня обычно миллион+ наблюдений и 100+ фичей

источник

14:51пожаловаться #14

YB

Yury B in catboost_ru

Скорее Jupyter + plotly подтупливает. Для визуализации можно tensorboard использовать

источник