问题标签 [catboost]

我将 catboost 用于具有分类数据的多分类任务。我正在检查 ctr 的默认参数，即从分类数据到数值数据的转换。据说ctr的默认值为“None”。

据我了解，这是一个可选步骤。

该算法确实在我的数据集上工作，所以我想知道它是否使用：

• Gradient Boosting 属性来理解分类数据
• 还是它实际上使用了 Borders、Buckets、BinarizedTargetMeanValue、Counter 中的默认方法
• 或者它是否使用示例中给出的公式avg_target = (countInclass + prior) / (totalcount +1) 默认情况下看起来像“Buckets”

Yandex 是否支持 Anaconda 环境？我试图让 CatBoost 使用 Anaconda 环境作为 Python 解释器在 PyCharm 中工作，但我继续收到 ModuleNotFoundError: No module named 'catboost'。我可以使用 pip 安装 CatBoost，但不能使用“conda install”，特别是不能使用 -n 标志指定特定 conda 环境的“conda install”。</p>

今天，我尝试测试 Yandex 最近发布的一个惊人的 Catboost 库，但即使在玩具数据集上，它也显示出非常糟糕的结果。我试图找到问题的根源，但由于缺乏有关图书馆的适当文档和主题，我无法弄清楚发生了什么。请帮助我 =) 我正在使用 Anaconda 3 x64 和 Python 3.6。

当我使用交叉验证 CV 对象时，正在创建许多 TSV 文件和 json 文件。我找不到任何方法来阻止 CV 在文档中不生成这些内容并最终手动删除它们。这些文件显然来自 CV（我已经检查过），并以折叠或一般结果（例如剩余时间和测试分数）命名。

任何人都知道设置为关闭它的参数吗？

我正在阅读https://tech.yandex.com/catboost/doc/dg/concepts/algorithm-main-stages_cat-to-numberic-docpage/上的文档，但找不到 Catboost 用于编码分类的默认设置在二进制目标的情况下的变量。

具体来说，我找不到它使用什么类型的编码方法（桶，计数器，...）以及什么是先验的默认值。

此外，还不清楚如何为测试集计算编码。既然我们不知道目标的价值，我们只是保持他们不变？

代理出现问题，我尝试按照此说明从 Windows 中的本地副本为 R 安装 catboost 。

唯一的区别是我没有通过 gitbash 下载 catboost repo，而是通过网站手动下载。

我已经安装了 python 并将其添加到路径中。

我已经安装了 Visual Studio Community 2017，带有 Windows 平台开发和带有 C++ 选项的桌面开发。

我还安装了 VC++ 2015.3 v140 桌面工具集 (x86,x64) 和 VC++ 2017 v141 工具集 (x86,x64) 选项。

直到这里没有问题也没有警告。

然后我将工作目录设置为 catboost R-package。然后使用 devtools 构建和安装包。

在这里，我对构建有以下警告：

以及安装时出现以下错误：

这是我的 R 会话信息：

我想使用 VotingClassifier，但我在交叉验证方面遇到了一些问题

我的预测有误...

（此处完全错误）

并在此处下载 x_train 和 y_train ↓</p>

x_train
y_train

我正在尝试设置一个简单的 Google AppEngine 应用程序，该应用程序将通过 POST 请求获取 JSON 数据并应用 Catboost 分类器。

我正在使用 Python 3.6，并且已包含catboost==0.8在我的requirements.txt文件中。

但是，部署失败：

我的基本 Dockerfile 如下：

我怀疑问题sys.modules在于没有_catboost在 importing 上注册catboost。在 Google AppEngine 柔性环境中，有没有办法使用使用 C 库的第三方应用程序，例如 Catboost？

我一直在研究 catboost 算法，我很难看出使用对称树的意义。在这方面，我在他们的 github 中发现：

该算法的一个重要部分是它使用对称树并逐级构建它们。对称树是一棵树，其中每个级别的节点使用相同的拆分。这允许使用 idex 对叶子的路径进行编码。例如，有一棵深度为 2 的树。第一层的拆分是 f1<2，第二层的拆分是 f2<4。那么 f1=5, f2=0 的对象将有编号为 01b 的叶子。

他们说这有助于减少过度拟合并进行更快的推理，但对我来说，直觉上，这就像你需要两倍的深度来探索相同数量的分割。

那么，任何人都可以解释使用这种类型的树的实际优势是什么？

非常感谢。

Catboost offers a dynamic C library, which theoretically can be used from any programming language.

I'm trying to call it through Java using JNA.

I'm having a problem with the CalcModelPrediction function, defined in the header file as follows:

In Java, I've defined the interface function as follows:

and then I'm calling it like this:

I've tried passing Pointer, PointerByReference and Pointer[] to the CalcModelPrediction function in place of float **floatFeatures and char ***catFeatures but nothing worked. I always get a segmentation fault, presumably when the CalcModelPrediction function attempts to get elements of floatFeatures and catFeatures by calling floatFeatures[0][0] and catFeatures[0][0].

So the question is, what's the right way of passing a multi-dimensional array from Java through JNA into C, where it could be treated as a pointer to a pointer to a value?

An interesting thing is that the CalcModelPredictionFlat function that accepts only float **floatFeatures and then simply calls *floatFeatures, works perfectly fine when passing PointerByReference.

UPDATE - 5.5.2018

Part 1

After trying to debug the segfault by slightly modifying the original Catboost .cpp and .h files and recompiling the libcatboost.so library, I found out that the segfault was due to me mapping size_t in C to int in Java. After fixing this, my interface function in Java looks like this:

Where the size_t Class is defined as follows:

Part 2 Looking more into the Catboost code, I've noticed that **floatFeatures are being accessed by rows, like floatFeatures[i] while ***catFeatures are accessed by rows and columns, like catFetures[i][catFeatureIdx].

After changing floatFeatures in Java to an array of Pointer, my code started to work with the model trained without categorical features, i.e. catFeatures length is zero.

This trick, however, didn't work with catFeatures that are accessed through a double subscript operator [i][catFeatureidx]. So for now, I modified the original Catboost code so that it would accept char **catFeatures - an array of strings. In Java interface function, I set String[] catFeatures. Now I can make predictions for one element at a time, which is not ideal.