问题标签 [catboost]

训练模型后如何打印 CatBoost 超参数？

我们sklearn可以只打印模型对象，它将显示所有参数，但catboost只打印对象的引用：<catboost.core.CatBoostRegressor object at 0x7fd441e5f6d8>。

我收到错误“NameError: name 'y_train' is not defined”。我在这里复制了 CatBoost 示例中的代码：https ://towardsdatascience.com/catboost-vs-light-gbm-vs-xgboost-5f93620723db

我搜索了类似的问题，发现表明该变量只能在函数中使用，但由于我没有创建函数，因此列出的解决方案不适用...

错误信息如下：

使用 CPU 和 GPU 运行相同的代码会给我不同的 RMSE 分数。为什么？

我一遍又一遍地运行以下代码，同时在特征工程和特征选择阶段进行调整。

一段时间后，我厌倦了等待训练，所以我将第二行代码替换为以下代码，转而在 GPU 而不是 CPU 上进行训练

现在训练速度提高了大约 5 倍，但我注意到指标显着下降（测试集的 RMSE 从 0.13955@CPU 变为 0.14377@GPU）。GPU 和 CPU 是否通过相同的接口使用不同的随机数生成器，还是我还缺少其他东西？

我正在使用以下硬件

• Intel Core i9-8950HK (CPU @ 2.90GHz)
• 英伟达 Quadro P2000

如何返回 CatBoost 模型的所有超参数？

注意：我认为这不是Print CatBoost 超参数的重复，因为该问题/答案不能满足我的需求。

例如，使用 sklearn 我可以：

这将返回所有超参数、我定义的超参数和其他默认值。

使用 Catboost 我可以使用 .get_params() 但它似乎只返回用户指定的参数：

例如，我想知道 learning_rate 使用了什么，但理想情况下得到整个列表。

我正在尝试将 skopt 的 BayesSearchCV 方法与 Catboost 一起使用。但是，我对将 catboost 原生的分类特征的索引传递到bayesSearch 对象的 fit() 方法的位置感到困惑。

fit() 抛出错误无法将分类转换为浮点数，

我知道，错误是因为我没有传递分类变量的索引，但我无法在贝叶斯的 fit() 方法中传递它们。还尝试了 catboost 的 pool() 方法，它也不起作用。

我正在使用 CatBoost 进行排名任务。我使用 QueryRMSE 作为我的损失函数。我注意到某些特征，特征重要性值为负数，我不知道如何解释它们。

它在文档中说，第 i 个特征重要性计算为损失（排除第 i 个特征的模型）-损失（模型）之间的差异。

所以一个负的特征重要性值意味着这个特征让我的损失增加了？那说明什么呢？

我正在使用 CatboostClassifier 进行培训。然后训练被杀死，但我检查了save_snapshot=True，因为experiment.cbsnapshot创建的文件。如何从中恢复模型experiment.cbsnapshot？

我正在尝试将我的 MultiClassification 模型保存在 Python 中。

我知道目前 Catboost 目前不支持在 Python 中保存 MultiClassification 模型。

是否有任何解决方法，如果我想保存并应用此模型，我是否必须使用 Java 或其他东西？

我的数据包含 10 周的观察结果。我想以 9 对 1 周模式交叉验证模型。所以，我不希望 CatBoost 在拆分之前对数据进行洗牌。命令行可以吗？

我不确定“--cv-rand 0”（或任何其他值）是否可以作为“非随机播放”。

我正在尝试按照以下指南为多分类实现自定义目标函数： https ://catboost.ai/docs/concepts/python-usages-examples.html#custom-objective-function

我想知道在 calc_ders_multi() 中定义的梯度和 Hessian 矩阵的预期格式是什么。

为了了解它是如何工作的，我尝试重现 MultiClass 损失函数，但是使用定义的梯度和 Hessian 矩阵，程序启动并卡住而没有抛出任何错误。如果我没有定义 Hessian（返回 []），程序运行没有问题。