Но в планах изначально было сделать тут мостик

Пока вы первый, кому понадобилось, постараемся поднять в списке задач приоритет

Да, пожалуйста, если решите, в чем проблема, поделитесь тут,  интересно, тоже планирую на gpu перейти скоро

Пока остановились на том, что проблема с драйвером хост-машины

здравствуйте! есть ли способы ускорения работы hyperopt-а? или это только зависит от правильного params space? и еще вопрос: остановить kernel не получается после запуска трейна

@jagunko У меня есть слабенькая карточка Nvidia 7100, Cuda она не поддерживает, но get_gpu_device_count() возвращает 1 и после этого настройка

'task_type': 'GPU', #  if get_gpu_device_count() > 0 else 'CPU',

Пытается запустить на этой карточке CUDA!
Проверку удобно ставить, когда переключаешься с локальной на виртуальную машину, например.
Можно ли с помощью catboost определить, сможет ли он работать с GPU (или CUDA), в-общем, корректно запустится на этой машине?

В таком коде:

   params = {
        'thread_count': -1,
        'task_type': 'CPU', #  if get_gpu_device_count() > 0 else 'CPU',
        'iterations': 2500,

   clf = CatBoostClassifier(**params)
   
   fit_params = {
       'eval_set': ?????,
       'use_best_model': True
   }
   
   current_validation = cross_validate(
       estimator=clf,
       X=X_hyper,
       y=y_hyper,
       cv=3,
   )

Не подскажете, как включить overfitting detector, чтобы останавливался внутри кросс валидации? Ждет каждый раз 2500 итераций

Доброго времени суток! Пpeдлагаю вaм начать получать хорoшие деньги с помощью популярного сайтa.
Детальнее на канале:
https://t.me/joinchat/RIN4RAMSqhjBLfVk

обучался CatBoostClassifier, dataframe 50078 строк, 213 полей, 3-4 часа

в итоге косяк был в сервере, автообновление обновило компоненты nvidia-docker, но не обновил драйвера

Спасибо за информацию!

тренировка на GPU это, конечно, космос, плюс еще взял отсюда пару параметров https://catboost.ai/docs/concepts/parameter-tuning.html и модель на 4M строк и пару сотен столбцов натренировалась за одну минуту! Огромный респект всей команде!
карточка: 2080Ti

early_stopping_rounds=N добавить в params

Не ту часть параметров скопировал из кода)))
У меня установлен overfitting detector, и при непосредственном вызове CatboostClassifier.fit() он нормально работает,
но при попытке использовать кросс-валидацию overfitting больше не работает, и перебор делается по всем 2500 итерациям

Есть ли способ останавливаться по 'od' внутри обучения по кросс-валидации, ведь там есть train, и отложенная выборка ?

В таком коде:

   params = {
          'od_type': 'Iter',
          'od_wait': 100,

   clf = CatBoostClassifier(**params)
   
   fit_params = {
       'eval_set': ?????,
       'use_best_model': True
   }
   
   current_validation = cross_validate(
       estimator=clf,
       X=X_hyper,
       y=y_hyper,
       cv=3,
   )

Не подскажете, как включить overfitting detector, чтобы останавливался внутри кросс валидации? Ждет каждый раз 2500 итераций

Привет!
А когда планируется поддержка поддержка онлайн текстовых фичей для регресии?

@kizill #spam

@breakneck11
Попробовал

early_stopping_rounds=N

Передавал и в параметры модели, и в параметры метода fit()

   fit_params = {
       'cat_features': X_hyper.columns,
       'use_best_model': True,
       'logging_level': 'Verbose',
       'early_stopping_rounds': 100,
   }
   cross_val_result = cross_validate(
       estimator=clf,
       X=X_hyper,
       y=global_y_hyper,
       scoring='roc_auc',
       n_jobs=-1,
       fit_params=fit_params,
       cv=3,
       return_estimator=True,
       error_score='raise',
   )


Для кросс-валидации у меня не работает, не останавливается

Версия catboost_spark обновилась до 0.25-rc3, там исправлены некоторые баги + загрузка и сохранение моделей из/в обычные форматы CatBoost + я обновил документацию - теперь там есть и про PySpark с примерами.

а где там? в мавене по прежнему rc2 последний

Еще глупый вопрос, работает ли catboost  на ARM архитектуре?