python实现catboost分类器以及部分参数解释

最新推荐文章于 2024-04-12 12:20:59 发布

Adm1rat1on

最新推荐文章于 2024-04-12 12:20:59 发布

阅读量6.6k

点赞数 3

分类专栏：机器学习

本文链接：https://blog.csdn.net/qq_35358021/article/details/85782395

版权

本文介绍了CatBoost分类器的关键参数，包括最大树数、过拟合检查类型、最大深度、学习率、L2正则参数以及损失函数的选择。理解这些参数对于优化模型性能至关重要。

摘要由CSDN通过智能技术生成

catboost参数解析

iterations : 最大树数
od_type : 过拟合检查类型
od_wait：在最小化损失函数后的迭代次数
max_depth ：最大深度
learning_rate ：学习率
l2_leaf_reg ： L2正则参数
fold_len_multiplier ： folds长度系数。设置大于1的参数,在参数较小时获得最佳结果。默认2。
loss_function ：损失函数

import operator
cates_idx = [X_tr.columns.values.tolist().index(c) for c in nominal_cate_cols]
def verbose_feature_importance_cat(cls, X_tr):
	cat_feature_importance = {
   
         X_tr.columns.values.tolist()[idx]: score
         for idx, score in enumerate(cls.feature_importances_)
     }
     cat_feature_importance = sorted(cat_feature_importance.items(), 
                                     key