спасибо) это интересно) 👍

@nikitxskv вопрос про однородные и разнородные данные, классический пример по ML датасета Iris, по логике является однородными данными значит градиентный бустинг тут будет уступать нейронке или нет? не очень понятно. по мотивам стрима спрашиваю) у меня у самого получается однородный датасет, последовательность точек x1, x2,x3,...,xn, и в конце класс для этих точек

свой датасет я могу разбавить категориальными признаками, например Peak, Valleys и тогда как я правильно понял у catboost будет больше возможностей определить класс после обучения, верно?

Дело в том, что датасет iris - учебный, в нем очень мало данных
Когда данных настолько мало - не особо важно какой ты алгоритм используешь, качество у всех должно получиться примерно одинаковое

На небольших датасетах с однородными признаками катбуст может работать лучше, так как он переобучается гораздо меньше нейронки, и в этом его преимущество

Да, все так, если признаки осмысленные и приносят пользу, то катбуст даст качество лучше, чем без этих признаков, а в нейронку ты просто так не добавишь категориальные признаки

спасибо, очень полезно! ососбенно про категориальные признаки. Вопрос про датасет, какое кол-во строк является средним датасетом? 50к? 100к? 1кк я вот врядли соберу)

50к - нормально
Вообще чем больше - тем лучше)

спасибо)) буду знать от чего отталкиваться)

в каком из сервисов яндекса наиболее эффективно работает catboost? или таких сравнений не проводилось? а если была такая аналитика, то удалось ли выявить признаки из-за которых модель работает эффективнее?(т.е. больше фич или категориальных признаков или же лучшая обработка датасета)

Ничего себе вопросики.

а что такое наиболее эффективно? Задача-то у каждого сервиса своя их их особо не сравнишь друг с другом

например анализ ответов от Алисы и выдача в обычном поиске, будет ли пользователь дополнительно искать информацию в яндексе или останется удовлетворенным ответом от Алисы на свой запрос(например если взять группу простых вопросов, "кто президент такой то страны", если ли макдак в мурманске), но конечно да, сравнить сервисы между собой сложно

привет.
задача классификации.
10 входов
model.get_feature_importance(prettified=True) выдает
 Feature Id  Importances
0        ps1    16.356856
1        pp1    13.814722
2        ps3    11.102747
3        pp2     9.866541
4        pp3     9.581090
5        pp4     9.267666
6        ps4     8.753953
7        ps2     7.570526
8        ps0     7.231413
9        pp0     6.454486
display(model.plot_tree(9))
рисует дерево только с глубиной 6- значит задействовано только 6 фич - а где остальные ???

привет, остальные фичи могут быть в других деревьях, это же ансамбль

по-умолчанию глубина 6

поясните про ансамбль - выходит решает не последнее дерево а все до отрезанного ?

да, конечно

спасибо -   тогда понятно
а почему глубина 6 ? например 100 фич - что лучше увеличить кол-во деревьев или глубину ? есть ли наработки по соотношению глубины и количества ?

кол-во деревьев
вот тут инфа по тюнингу https://catboost.ai/docs/concepts/parameter-tuning.html

ты наверное путаешь решающее дерево с бустингом, в первом имеет смысл увеличивать глубину

https://scikit-learn.org/stable/modules/classes.html#module-sklearn.tree

может тебе это надо?)