AD
Пока нельзя, надо поддержать. Сделай issue, пожалуйста.
Size: a a a
2019 April 05
A
Пока нельзя, надо поддержать. Сделай issue, пожалуйста.
ишью готов
2019 April 06
А
Нет ли тут ошибки в последней колонке? Почему только на CPU?
https://catboost.ai/docs/concepts/python-reference_catboostclassifier_fit.html#python-reference_catboostclassifier_fit
https://catboost.ai/docs/concepts/python-reference_catboostclassifier_fit.html#python-reference_catboostclassifier_fit
А
Или здесь имелось ввиду, что при shrink будет использоваться процессор?
AD
Есть ошибка, поправим, спасибо! Если не сложно, сделай issue на гитхабе, чтоб не потерялось.
А
Сделаю
AC
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.
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.
Еще раз спасибо и доброе утро. Не свовсем понял делается ли mean target по полученным бинам?
AR
Здравствуйте, друзья. Имеются датасеты пациентов, около 30 флоат фичей. При этом, количество примеров крайне мало, не более 200. Оценивал работу различных алгоритмов на этих данных (кросвал) . Наилучшим образом себя показали деревья. Catboost показал еще лучший результат. Но, очевидно, в такой ситуации велика вероятность переобучения. Подскажите, пожалуйста, может возможно как-то иначе оценить качество классификации или же лучше настроить работу catboost на столь малом датасете. Спасибо за помощь.
SP
Подскажите, пожалуйста, не лежит ли где-нибудь в сети дистрибутивно-семантическая модель для русского языка обученная cat? Ну или кластеризатор.
Заранее спасибо
Заранее спасибо
АМ
Здравствуйте, друзья. Имеются датасеты пациентов, около 30 флоат фичей. При этом, количество примеров крайне мало, не более 200. Оценивал работу различных алгоритмов на этих данных (кросвал) . Наилучшим образом себя показали деревья. Catboost показал еще лучший результат. Но, очевидно, в такой ситуации велика вероятность переобучения. Подскажите, пожалуйста, может возможно как-то иначе оценить качество классификации или же лучше настроить работу catboost на столь малом датасете. Спасибо за помощь.
Малый размер деревьев - глубина и мало деревьев
АМ
50 например
АМ
Глубину например 3-6
АМ
Иначе катбуст станет структурой памяти
AK
Подскажите, пожалуйста, не лежит ли где-нибудь в сети дистрибутивно-семантическая модель для русского языка обученная cat? Ну или кластеризатор.
Заранее спасибо
Заранее спасибо
Если ты про эмбеддинги (дистрибутивно-семантическая модель), то есть например здесь: https://rusvectores.org/ru/models/
cat — что это? CatBoost не стоит эмбеддинги для текстов, но он может использовать их как признаки. Кластеризацию CatBoost тоже не делает.
Лучше с этими вопросами в другой чат.
cat — что это? CatBoost не стоит эмбеддинги для текстов, но он может использовать их как признаки. Кластеризацию CatBoost тоже не делает.
Лучше с этими вопросами в другой чат.
SP
Если ты про эмбеддинги (дистрибутивно-семантическая модель), то есть например здесь: https://rusvectores.org/ru/models/
cat — что это? CatBoost не стоит эмбеддинги для текстов, но он может использовать их как признаки. Кластеризацию CatBoost тоже не делает.
Лучше с этими вопросами в другой чат.
cat — что это? CatBoost не стоит эмбеддинги для текстов, но он может использовать их как признаки. Кластеризацию CatBoost тоже не делает.
Лучше с этими вопросами в другой чат.
Спасибо, на rusvectores я уже ходил. Просто думал, что есть уже готовые примеры деревьев для классификации запросов.
Не хочется делать обучающую выборку самому
Не хочется делать обучающую выборку самому
2019 April 07
VP
Доброе утро, подскажите, нормально, что обученный catboost clf на 3к деревьев занимает 12gb памяти??
DL
Доброе утро, подскажите, нормально, что обученный catboost clf на 3к деревьев занимает 12gb памяти??
Если есть много категориальных признаков с высокой cardinality, или если обучаетесь на GPU, то 12gb вполне нормально. Другой вопрос, стоит ли такую большую модель ставить в продакшн или лучше попробовать уменьшить размер.
А
Добрый день, не получается запустить кросс валидацию. Подскажите, пожалуйста, в чем может быть проблема.
CatBoostError: catboost/cuda/methods/serialization_helper.cpp:42: tensor : [cat: 4; ] (ctr type Borders). Error: progress borders should be consistent: 1414 / 1414 0.0535714 0.107143 0.160714 0.214286 0.267857 0.321429 0.375 0.428571 0.482143 0.535714 0.589286 0.642857 0.696429 0.75 0.803571 vs 0.0555556 0.111111 0.166667 0.222222 0.277778 0.333333 0.388889 0.444444 0.5 0.555556 0.611111 0.666667 0.722222 0.777778 0.833333
NK
vsem privet, starting today learn catboost fro what to start?
NK
do you have link for video?