обычно сначала возникает задача, а потом идёт поиск инструментов её решения

да, я прекрасно это понимаю, просто хотел спросить примеры и все

https://www.kaggle.com/competitions

Ищи табличные данные.

алгоритмы градиентного бустинга отлично работают для задач классификации и регрессии табличных данных

спасибо, это интересно

что-то жестко тормозная версия, код на 0.24.3 фитится за 4 минуты, на 0.24.4 висит 3 с лишним часа, что-то там инитит 🙂 потом начинает фитить. С эмбедингами.
Не, оно в итоге через 4 часа что-то там фитит и даже не падает, но 4 минуты и 4 часа - как-то чутка многовато 😀

если не через Pool эмбединги, а просто DataFrame и в fit параметром указать, то лог весь забит сообщением

TypeError: object of type 'float' has no len()
TypeError: object of type 'float' has no len()
Exception ignored in: '_catboost.get_embedding_array_as_vector'
Traceback (most recent call last):
  File "/root/.pyenv/versions/3.8.6/lib/python3.8/site-packages/catboost/core.py", line 966, in _init
    self._init_pool(data, label, cat_features, text_features, embedding_features, pairs, weight, group_id, group_weight, subgroup_id, pairs_weight, baseline, feature_names, thread_count)

Создай, пожалуйста, issue на github с примером. И для тормозов, и для dataframe.

Я включил kNN фичеризатор по умолчанию, надо еще потюнить это место. Пока можете 0.24.3 использовать, я это место ещё дотюнивать буду

Опции наружу пока не успелм дотянуть, такая вот экспериментальная фича пока

Обязательно починим и дотащим опции в следующем релизе, плюс починим проблемы с питоном, там пока совсем неудобный интерфейс вышел

Нельзя 0.24.3 . На нем падает fit :)

Если эмбединги там есть

Вах. Ладно, продолжаем чинить самолет в процессе полета

:)

Здравствуйте. Извините за возможно глупый вопрос; я новичок в машинном обучении. Можно ли использовать CatBoost (и если да, то таким образом) для прогнозирования многомерных временных рядов?

То есть речь идет о прогнозировании вектора (кортежа) x[N] по известным векторам (кортежам) x[0], x[1], ..., x[N-1].

Здесь x[n] = (x[n,0], x[n,1], ..., x[n,K-1]), K - размерность кортежа x[n], n=0,1,2,...

Элементы x[n,k] кортежей могут быть как числовыми, так и категориальными.

И позвольте еще один вопрос: правильно ли я понимаю, что это так называемые панельные данные?

Добрый день! Возникла проблема при вызове fit. Создал экземпляр CatBoostRegressor(random_state=17, cat_features=cat_cols_), при вызове обучения падает ошибка "features parameter contains string value 'pol_coverage' but feature names for a dataset are not specified"

Хотя вроде делаю всё как обычно

Причём при удалении категориального признака он начинает ругаться на следующий