Да, после SNA2019 для меня так и остались загадкой несколько вопросов:
1. Как же всё таки по умолчанию преобразуются кат фичи? https://catboost.ai/docs/concepts/algorithm-main-stages_cat-to-numberic.html#algorithm-main-stages_cat-to-numberic - тут нет ничего про дефолтные значения. Дальше это всё бьётся на бины, но тоже нигде нет упоминания про дефолтные значения. Например в описании simple_ctr
2. Почему нельзя засунуть в cat_features int32 колонку когда создаёшь пул из FeaturesData? С чем связано такое ограничение?
3. Чем ещё, кроме кол-ва бинов, по дефолту отличаются CPU и GPU режимы бинарной классификации. У меня результат на GPU получался лучше, но я так и не раскопал из за какого именно параметра)
4. Почему же у нас с Иван Брагин так и не взлетел Learning to Rank ни в одном из вариантов, хотя мы перепробовали и YetiRank и QueryCrossEntropy и PairLogit? Вроде по логике такой подход ближе к целевой метрике соревнования, что можете посоветовать попробовать?

> 1. Как же всё таки по умолчанию преобразуются кат фичи? https://catboost.ai/docs/concepts/algorithm-main-stages_cat-to-numberic.html#algorithm-main-stages_cat-to-numberic - тут нет ничего про дефолтные значения. Дальше это всё бьётся на бины, но тоже нигде нет упоминания про дефолтные значения. Например в описании simple_ctr

Мы планируем подробный туториал про это, просто пока руки не дошли

> 2. Почему нельзя засунуть в cat_features int32 колонку когда создаёшь пул из FeaturesData? С чем связано такое ограничение?

Это временно, пока не реализовали по-другому. Планируем сделать специальный тип - хешированная катфича. Тогда можно будет.

> 3. Чем ещё, кроме кол-ва бинов, по дефолту отличаются CPU и GPU режимы бинарной классификации. У меня результат на GPU получался лучше, но я так и не раскопал из за какого именно параметра)

И про это планируем туториал

Ну хоть примерно? )

> 4. Почему же у нас с Иван Брагин так и не взлетел Learning to Rank ни в одном из вариантов, хотя мы перепробовали и YetiRank и QueryCrossEntropy и PairLogit? Вроде по логике такой подход ближе к целевой метрике соревнования, что можете посоветовать попробовать?

Не знаю, про что было соревнование, но очень советую вместо YetiRank и PairLogit использовать YetiRankPairwise и PairLogitPairwise, они дольше учатся, но в итоге обычно лучше.

Привет 👋  сообщество и разработчики нашего любимого Буста.

Завтра ☝️будет внутренняя лекция в МегаФоне, где будет представлено решение на CatBoost.

После этого ряд публикаций на хабре об этом бустинге!

На самом деле не так много отличий. Есть несколько параметров, которые не поддержаны пока что на гпу. Например, model_size_reg. На цпу он по умолчанию ненулевой, если его убрать, то модель будет больше, но возможно качество немного улучшится. Но вообще мы подбирали так, чтобы качество не ухудшалось. Есть набор параметров, которых наоборот нет на цпу. В принципе качество от перехода между гпу и цпу меняться должно очень мало. Не больше, чем от изменения рандом сида.

Ура-ура!

Коллеги, как ваш
биннинг работает?

ты про квантизацию во время предобработки?

Да

Вот тут есть описания поддержанных биннингов https://catboost.ai/docs/concepts/binarization.html.
По умолчанию оптимизируем сумму логарифмов жадностью (GreedyLogSum).
Это быстро и хорошо работает. Можно динамикой точное решение находить (MaxLogSum и MinEntropy), это дольше, а работает на самом деле также. Еще можно Uniform например делать, тогда ты будешь смотреть на абсолютные значения фичей.

Спасибо посмотрю

А я говорил, что картинка с котиком - самая классная

Эх, еще бы стикер такой раздобыть 😊

В фотках чатика есть фото с крышки моего ноутбука :like-a-boss:

Или ты про стикеры телеги?

как в catboost.cv подавать кастомное разбиение по фолдам?