Question

我正在尝试将Skopt的BayesSearchCV方法与Catboost结合使用，但是我对将Catboost固有的分类特征的索引传递到bayesSearch对象的fit（）方法上感到困惑。

clf = catboost.CatBoostClassifier()
search_spaces = {'iterations': (10, 1000),
                 'depth': (1, 10),
                 'learning_rate': (0.001, 0.5),
                 'random_strength': (1e-9, 10)}
pt = BayesSearchCV(clf,
                    search_spaces,
                    n_iter=40)
pt.fit(x_train,y_train)

fit（）引发错误，无法将类别转换为浮点型

我知道，错误是因为我没有传递分类变量的索引，但是我无法在Bayes的fit（）方法中传递它们，也尝试了catboost的pool（）方法，该方法也不起作用。

Answer 1

我对CalibratedClassifierCV有类似的问题。因此，在此处发布解决方案。也许对您有用。

您可以尝试通过首先将分类特征编码为数值来愚弄BayesSearchCV来解决此问题，但是在启动CatBoostClassifier（）时仍传递分类特征索引，以便CatBoost可以适当地利用它们：

# Import necessary libraries
from sklearn.calibration import CalibratedClassifierCV
from catboost import CatBoostClassifier

# Initialize Calibrated Classifier with Catboost
model_combined = CalibratedClassifierCV(
    CatBoostClassifier(cat_features=<cat_features_indexes>),
    method='isotonic',
    cv=5,
)

带有CatBoost的Skopt的BayesSearchCV

1 个答案: