offset - catboost 回归器的 base_margin 或 init_score

Question

我想将 CatBoost 回归器用于保险应用（泊松目标）。由于需要修复曝光，如何设置 log_exposure 的偏移量？使用 xgboost 时，我使用“base_margin”，而对于 lightgbm，我使用“init_score”参数。CatBoost 中是否有等价物？

Answer 1

只需在 CatBoostRegressor 模型上使用“set_scale_and_bias(scale,bias)”方法。偏差参数将设置模型预测结果的偏移量，而比例参数应保留为其默认值，即 1。对于您的保险泊松目标，偏差应设置为 log(exposure)。

在此处查看更多详细信息：CatBoost 文档

Answer 2

在查看文档后，我找到了一个可行的解决方案。和 的拟合方法提供了一个CatBoostRegressor和一个参数，可直接用于设置偏移量（用于先前曝光）或样本权重（用于严重性建模）。顺便说一句，最佳方法是创建s 并在那里提供偏移和权重的规范：CatboostClassifierbaselinesample_weightPool

freq_train_pool = Pool(data=freq_train_ds, label=claim_nmb_train.values,cat_features=xvars_cat,baseline=claim_model_offset_train.values)
freq_valid_pool = Pool(data=freq_valid_ds, label=claim_nmb_valid.values,cat_features=xvars_cat,baseline=claim_model_offset_valid.values)
freq_test_pool = Pool(data=freq_test_ds, label=claim_nmb_test.values,cat_features=xvars_cat,baseline=claim_model_offset_test.values)

这里的data参数pd.DataFrame仅包含预测变量，即label实际索赔数量，cat_features是指定分类术语的字符列表，这些baseline术语是对数曝光的 np.array。有用。

使用 Pools 允许在 fit 方法中提供评估集。