- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
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中找到了:
An important part of the algorithm is that it uses symmetric trees and builds them level by level. Symmetric tree is a tree where nodes of each level use the same split. This allows to encode path to leaf with an idex. For example, there is a tree with depth 2. Split on the first level is f1<2, split on the second level is f2<4. Then the object with f1=5, f2=0 will have leaf with number 01b.
最佳答案
由于这是谷歌搜索的第一个结果,我将提供答案。
典型的决策树是一系列 if/else 决策。假设您可以在每个处理器周期做出 1 个这样的决定——这会很快,但 100% 是连续的。要做出决定,您需要 O(m)
决定,其中 m
是树的最大高度。
在 CatBoost 的对称树中,每个 split 都在同一个属性上。要确定向左还是向右,您只需要知道树的当前级别,它对应于一个特征及其值。该阈值对于该级别上的所有分组都是相同的。通过这种方式,您可以矢量化您的决策——创建一个阈值向量,一个您当前用于预测的值向量,并按元素进行比较。如果你有一个向量处理器,即它可以并行执行多个整数比较(这在现在很常见),你需要 1 个处理器周期来做出决定。
正如您所看到的,差异归结为向量化,能够在向量元素比较的 1 步中直接从根到叶,而不是 if/else 决策序列。
关于machine-learning - catboost 算法中对称树背后的直觉是什么?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/50087526/
我需要使用 CatBoost 执行多类多标签分类。 示例数据: X = [[1, 2, 3, 4], [2, 3, 5, 1], [4, 5, 1, 3]] y = [[3, 1], [2, 8],
我试图了解 catboost 过拟合检测器。它在这里描述: https://tech.yandex.com/catboost/doc/dg/concepts/overfitting-detector-
我用 catboost 训练了二元分类器,测试数据中的相同特征会返回此错误; catboost/libs/data/model_dataset_compatibility.cpp:47: Featur
如何返回 CatBoost 模型的所有超参数? 注意:我认为这不是 Print CatBoost hyperparameters 的复制品因为那个问题/答案不能满足我的需要。 例如,使用 sklear
这是我在 CatBoost 中应用 BayesSearch 的尝试: from catboost import CatBoostClassifier from skopt import BayesSe
我正在为我的二元分类模型使用 catboost 分类器,其中我有一个高度不平衡的数据集:0 -> 115000 和 1 -> 10000。有人可以指导我如何在 catboostclassifier 中
当从 catboost 绘制一棵树时,它在叶子中显示 val;这些值代表什么? 我在他们关于绘图的官方教程中找不到答案,在我能找到的任何地方也找不到任何此类问题的答案。喜欢: LightGBM plo
我一直在玩玩具数据集,以了解更多关于 shap 库和用法的信息。我发现这个问题是 catboost 回归模型的特征重要性与 shap 库中 summary_plot 的特征重要性不同。 我正在分析 X
考虑以下数据: import pandas as pd y_train = pd.DataFrame({0: {14194: 'Fake', 13891: 'Fake', 13247: 'Fake',
我正在尝试使用 CatBoost 来拟合二元模型。当我使用以下代码时,我想到了 verbose=False可以帮助抑制迭代日志。但它没有。有没有办法避免打印迭代? model=CatBoostClas
类似的问题: Python Catboost: Multiclass F1 score custom metric Catboost 教程 https://catboost.ai/docs/conce
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中找到了: An important part of the algorithm is that it
训练模型后如何打印 CatBoost 超参数? 在 sklearn我们可以打印模型对象,它将显示所有参数,但在 catboost 中它只打印对象的引用: . from catboost import
我有一些关于 catboost 的愚蠢问题。 从catboost的文档中,我了解到行之间存在一些排列/洗牌,用于分类数据转换。( https://tech.yandex.com/catboost/do
我是 ML 新手,对 catboost 有疑问。所以,我想预测函数值(例如 cos | sin 等)。我回顾了一切,但我的预测始终是直线 是否可能,如果可能,我该如何解决我的问题 我很高兴收到任何评论
我最近开始使用 CatBoost 来快速构建机器学习模型的原型(prototype),受到杰出的 performance benchmarks 的启发。 CatBoost 与 XGBoost、Ligh
我正在处理一个包含人员列表(按财政代码索引)的数据集。目标变量是二进制的(1:买一本书,0:否则)。所有预测变量都是分类的(例如:国籍、城市、道路、收入类别等)。财政代码可以重复两次,每个实例/观察都
model.fit(train_data, y=label_data, eval_set=eval_dataset) eval_dataset = Pool(val_data, val_labels)
我有一个关于随机森林的问题。想象一下,我有关于用户与项目交互的数据。项目数量很大,大约 10 000 个。我的随机森林输出应该是用户可能与之交互的项目(如推荐系统)。对于任何用户,我想使用一个描述用户
在大型数据集(约 1M 行,500 列)上运行 catboost,我得到:训练已停止(迭代 0 上的退化解,可能太小 l2 正则化,尝试增加它)。 我如何猜测 l2 正则化值应该是多少?与y的平均值、
我是一名优秀的程序员,十分优秀!