问题标签 [catboost]
For questions regarding programming in ECMAScript (JavaScript/JS) and its various dialects/implementations (excluding ActionScript). Note JavaScript is NOT the same as Java! Please include all relevant tags on your question; e.g., [node.js], [jquery], [json], [reactjs], [angular], [ember.js], [vue.js], [typescript], [svelte], etc.
python - 在 Catboost 中使用具有多类的 GPU
我正在尝试使用 catboost 来预测多类，但出现如下错误。
我使用了 catboost 选项，如下所示。
我想知道我是否可以使用 GPU 来预测多分类。
python-2.7 - CatBoost 和 UnicodeEncodeError
我正在尝试将 Python 2.7 和 CatBoostRegressor 与 Pandas 一起使用，但我得到了
UnicodeEncodeError：“
ascii”编解码器无法对位置 0-4 中的字符进行编码：序数不在范围内 (128)
我使用 unicode 三明治并将 csv 读取为：
df = pd.read_csv ('out.csv', index_col = 0, encoding = 'utf8'). 读取数据后，我执行检查：
显然，Catboost 尝试进行编码，但没有成功。如何避免这种情况？
简化代码：
python - 如何同时使用多分类和回归？
有一个用于多分类和回归问题的混合数据集。分类的结果应该基于回归的结果。怎么做？
r - 在 R 中使用插入符号保存和加载 catboost 模型
我能够使用插入符号（在 Rstudio 中）训练 Catboost 模型，并且效果很好。
如果我使用该模型在同一会话中预测新数据，没问题，它可以工作：
但是，如果我保存模型并稍后加载（或保存它，删除“my_catboost”并加载），函数 predict 将使 R 和 Rstudio 崩溃而没有错误消息，并且在 Rstudio 日志中找不到任何内容。加载后，我可以看到模型正在全局环境中创建，看起来很好。
我尝试了 R 函数保存和加载，saveRDS 和 readRDS 都崩溃了
谢谢 ！
python - CatBoost 中应用的贝叶斯优化
这是我在 CatBoost 中应用 BayesSearch 的尝试：
跟踪结果：
拟合贝叶斯CV
结果
前 3 次迭代工作正常，但随后我得到一个不间断的字符串：
(...)
关于我哪里出错/我该如何改进的任何想法？
致敬，
python-3.x - catboost 上的 com 交叉验证和池问题
我在 mac (Python 3.6.3 | Anaconda) 中使用 catboost ，但模块cv(version = catboost-0.10.4.1 enum34-1.1.6)出现了一些问题（使用池的 cat_features 参数）。这是一个例子：
1) 一次性使用 catboost：
from catboost import CatBoostClassifier, cv,
model = CatBoostClassifier(early_stopping_rounds=30,cat_features = [0,1,2,3,4,5,6,7,8],iterations=2000,eval_metric='AUC',learning_rate=0.1,)
model.fit(X_train, y_train,eval_set=(X_test,y_test))
一切正常，我得到了输出！
2-) 当我尝试对 cv 模块使用基本相同的东西时，会出现问题：
输出 ：
这些索引适用于分类变量（并且适用于单一拟合）。
我无法理解发生了什么，也找不到相关内容。有人可以帮忙吗？
python - catboost 是实现 xgboost（极端梯度提升）还是简单的梯度提升？
在他们的网站上，他们说“梯度提升”，但似乎这里的人们将其与其他“xgboost”算法进行了比较。我想知道它是否是一个真正的极端梯度提升算法。谢谢
machine-learning - 多CPU如何mlxtend StackingRegressor？
我想使用 mlxtend StackingRegressor 来集成 XGBoost、LGBM 和 Catboost 。但我不确定在这种方法中我将使用多少 cpu。
例如：
在 XGboost 中：
然后我知道我会用完这个算法中的所有cpu核心
但是如果我用 mlxtend StackingRegressor 试试呢？
我猜这个方法将使用我为每个算法安排的 cpu。
示例：XGBoost:2 LGBM:2 CatBoost:2 Meta regressor:1
所以最后我使用了 7 个核心。
machine-learning - 是否可以在 GPU 上运行 catboost predict？
我有一个需要在非常大的数据集上进行预测的用例。因此，与训练相比，预测所需的时间几乎是 10 倍。我想知道我是否可以使用 GPU 进行预测，或者它是否受 CPU 限制。我正在使用 EC2 P3.16x large（8x Tesla V100、64 VCPU）
python - 如何将 catboosts 原始预测分数 (RawFormulaVal) 转换为概率？
对于 catboost 库中的某些对象（如 python 代码导出模型 - https://tech.yandex.com/catboost/doc/dg/concepts/python-reference_catboostclassifier_save_model-docpage/）预测（https://tech.yandex.com /catboost/doc/dg/concepts/python-reference_apply_catboost_model-docpage/）只会给出每条记录的所谓原始分数（参数值称为“RawFormulaVal”）。其他 API 函数还允许将预测结果作为目标类的概率 ( https://tech.yandex.com/catboost/doc/dg/concepts/python-reference_catboostclassifier_predict-docpage/ ) - 参数值称为“可能性”。
我想知道
- 这与概率有何关系（在二进制分类的情况下）和
- 是否可以使用python API（https://tech.yandex.com/catboost/doc/dg/concepts/python-quickstart-docpage/）将其转换为这样的？