catboost算法python接口简单使用

早上看到一篇公众号在推xgboost、lightgbm、catboost原理比较，网上大概查了下原理及接口使用，目前只提供python、R、C/C++接口，并没有看到java接口，这个算法还算比较新颖，下面简单的用python调用去接口看看，没太多的技术含量，模型训练、保存、加载都可以看到，好像也提供service服务：关于接口参数说明可以参考

这篇文章： http://blog.csdn.net/aiirrrryee/article/details/78224232

官网提供的例子:

https://tech.yandex.com/catboost/doc/dg/concepts/installation-docpage/

简单的分类、回归例子:

import numpy as np
from  catboost  import  CatBoostClassifier,CatBoostRegressor,Pool


#####￥##################分类#################################
train_data=np.random.randint(0,100,size=(100,10))
train_label=np.random.randint(0,2,size=(100))
test_data=np.random.randint(0,100,size=(50,10))
model=CatBoostClassifier(iterations=2,depth=2,learning_rate=1,loss_function='Logloss', logging_level='Verbose')
model.fit(train_data,train_label,cat_features=[0,2,5])
preds_class=model.predict(test_data)
preds_proba=model.predict_proba(test_data)
print("class=",preds_class)
print("proba=",preds_proba)


#####￥##################回归#################################
train_data = np.random.randint(0, 100, size=(100, 10))
train_label = np.random.randint(0, 1000, size=(100))
test_data = np.random.randint(0, 100, size=(50, 10))
# initialize Pool
train_pool = Pool(train_data, train_label, cat_features=[0,2,5])
test_pool = Pool(test_data, cat_features=[0,2,5])

# specify the training parameters
model = CatBoostRegressor(iterations=2, depth=2, learning_rate=1, loss_function='RMSE')
#train the model
model.fit(train_pool)
# make the prediction using the resulting model
preds = model.predict(test_pool)
print(preds)