OT
Как будто не подаешь целевую переменную с таргетом
Size: a a a
2019 April 17
SZ
SZ
А что тут является целевой переменной?
SZ
labels?
AD
CV зависает(ячейка в ноутбуке стоит уже два часа и ни чего) при разбиении 20+ фолдов из 2М строк.
Как-то можно это вылечить?
Как-то можно это вылечить?
Она не зависает, просто считается батчами. Действительно не очень хорошее логгирование получилось в этом случае, мы поправим, вот issue https://github.com/catboost/catboost/issues/664
IP
Она не зависает, просто считается батчами. Действительно не очень хорошее логгирование получилось в этом случае, мы поправим, вот issue https://github.com/catboost/catboost/issues/664
Спасибо
2019 April 18
P
здравствуйте. Пробую ранжирование приспособить для рекомендаций. label - это известные рейтинги фильмов от каждого пользователя, group_id - id пользователя. А id фильма - это индекс, или надо псевдоиндекс сделать? Или это делается по другому?
YS
Добрый вечер!
Подскажите пожалуйста есть ли в cat встроенный функционал для перебора используемых фичей? Хочу перебрать все 2^n вариантов наборов фичей, ибо у меня их не так много. Поставить на них cv и посмотреть самую результативную выборку фичей.
Подскажите пожалуйста есть ли в cat встроенный функционал для перебора используемых фичей? Хочу перебрать все 2^n вариантов наборов фичей, ибо у меня их не так много. Поставить на них cv и посмотреть самую результативную выборку фичей.
AD
Добрый вечер!
Подскажите пожалуйста есть ли в cat встроенный функционал для перебора используемых фичей? Хочу перебрать все 2^n вариантов наборов фичей, ибо у меня их не так много. Поставить на них cv и посмотреть самую результативную выборку фичей.
Подскажите пожалуйста есть ли в cat встроенный функционал для перебора используемых фичей? Хочу перебрать все 2^n вариантов наборов фичей, ибо у меня их не так много. Поставить на них cv и посмотреть самую результативную выборку фичей.
Можно запустить грид серч с параметром ignored_features, в котором будут перечислены все 2^n вариантов.
SZ
Всем привет! Решаю регрессионную задачу, много катфич — использую поэтому Catboost. Но что-то результат меня совсем не радует.
Фичеинжиниринг был, думаю попробовать гридсерчем пройтись, но в чем закавыка: если тот же xgb можно стакать с другими алгоритмами, с катбустом не видела ничего. Есть какие-то варианты для улучшения перформанса модели с большим количеством катфич?
Или может в сторону нейронок идти?
Но бустинг вроде лучше с таким справляется...
Фичеинжиниринг был, думаю попробовать гридсерчем пройтись, но в чем закавыка: если тот же xgb можно стакать с другими алгоритмами, с катбустом не видела ничего. Есть какие-то варианты для улучшения перформанса модели с большим количеством катфич?
Или может в сторону нейронок идти?
Но бустинг вроде лучше с таким справляется...
YS
Можно запустить грид серч с параметром ignored_features, в котором будут перечислены все 2^n вариантов.
Grid search из sklearn?
YS
Спасибо :)
AD
> много катфич — использую поэтому Catboost
да катбуст не для катфичей
да катбуст не для катфичей
AD
А для любых табличных данных. Которые в том числе могут содержать катфичи, но это минорная часть использования библиотеки.
SZ
Окей, спасибо
AD
а в чем со стекингом проблема?
AD
Для регрессии с катфичами можно попробовать увеличить бинаризацию таргета. По умолчанию для регрессии считаются счетчики как для бинкласса, только успехом считается, если таргет больше медианы.
SZ
Для регрессии с катфичами можно попробовать увеличить бинаризацию таргета. По умолчанию для регрессии считаются счетчики как для бинкласса, только успехом считается, если таргет больше медианы.
О, спасибо!