думаю только специализированными библиотеками

А почему именно оверсамплинг?  Если метрика/loss с весами можно дать веса части примеров больше. Эффект должен быть схожий

Я, честно говоря, не совсем понимаю, как этим пользоваться

А разве придание веса отдельным наблюдениям не есть тот же оверсэмплинг?

Это близко по смыслу, но не всегда одно и то же. Если, например, в обучении используются подвыборки обучающего множества, то они будут немного разными для случая oversampling через добавление примеров или просто весов. Пример с весом может либо попасть в выборку либо нет, а в случае размножения часть может попасть, а часть может и нет. При достаточном размере выборке результаты должны быть близки, но веса могут быть эффективнее по производительности, так как не надо увеличивать датасет.

Здравствуйте. Пытаюсь train использовать, но выходт ошибка

train() got multiple values for argument 'pool'

Можно чуть больше контекста (кода)?

Конечно

 pool = Pool(data=train_x, label = train_y)  cat_params = {'depth': 6}  cat_train = catboost.train(cat_params, pool = pool,  num_boost_round=10)

Размеры трейна и теста ((191821, 100), (191821,))

Ну так тут ошибка, первый аргумент у 'train' это pool

а, хотя нет, прошу прощения

В общем, да, тут у нас в коде ошибка и порядок аргументов не соответствует документации. Пока стоит просто явно передавать все параметры с именами

catboost.train(params=cat_params, pool = pool,  num_boost_round=10)

Спасибо, заработало.

Еще вопрос по предикту. Я добавила eval_seteval_set, натренировала модель.  У меня показало bestIteration = 9. Если сделать predict, то он автоматически выберет лучшее число итераций, или это как-то явно указать надо?

Итерации нумеруются с нуля, поэтому 9 - это десятая итерация. Да, модель автоматически обрезается до лучшей итерации. Ну и лучше побольше итераций учить, зависит от датасета, но дефолтная 1000 итераций - норм.

КОнечно. Я просто проверяю на маленькой, чтобы все работало.

я на всякий)

Спасибо. ))

Ребята, а пдскажите, пожалуйста (не нашла в документации) — существует ли возможность создания пайплайна, как в sklearn?