Question

我对catboost有一些愚蠢的问题。

从catboost的文档中，我了解到行之间存在一些排列/混洗，用于分类数据转换。（https://tech.yandex.com/catboost/doc/dg/concepts/algorithm-main-stages_cat-to-numberic-docpage/#algorithm-main-stages_cat-to-numberic）

我试图在一次观察中预测我的模型是否有效，但是我得到了一个错误。但是有2个观察结果，它可以正常工作。

我的问题是，对于catboost分类器的预测，由于置换，我们是否必须至少给出2个观察值？如果是，第一次观察会对输出产生影响吗？

Answer 1

Catboost确实有这样的限制。但是，它与排列无关，因为它们仅适用于拟合阶段。

问题是在catboost.Pool._check_data_empty和predict之前应用了相同的方法fit。而对于拟合来说，不止一次观察确实至关重要。

现在检查功能需要sum(x.shape)>2，这确实很奇怪。以下代码说明了问题：

import catboost
import numpy as np
x_train3 = np.array([[1,2,3,], [2,3,4], [3,4,5]])
x_train1 = np.array([[1], [2], [3]])
y_train = np.array([1,2,3])
x_test3_2 = np.array([[4,5,6], [5,6,7]])
x_test3_1 = np.array([[4,5,6,]])
x_test1_2 = np.array([[4], [5]])
x_test1_1 = np.array([[4]])
model3 = catboost.CatBoostRegressor().fit(x_train3, y_train)
model1 = catboost.CatBoostRegressor().fit(x_train1, y_train)
print(model3.predict(x_test3_2)) # OK
print(model3.predict(x_test3_1)) # OK
print(model1.predict(x_test1_2)) # OK
print(model1.predict(x_test1_1)) # Throws an error!

现在，您可以在调用predict之前添加一两个假行来做得更好。它们对原始行的输出没有影响。

Catboost理解 - 分类值的转换

1 个答案: