机器学习：CatBoost简介( 十 )_CatBoost基于梯度增强

我们可以通过设置参数给予某些数据点更多的权重

例如，您可以给出所有数据点的线性加权

sample_weight=[ x for x in range(train.shape[0
)

在某些情况下，如果数据点数较少，则需要的Log-loss最少。在这些情况下，您可以将参数fold_len_multiplier设置为接近 1 （必须> 1）和approx_on_full_history = True 。使用这些参数， CatBoost使用不同的模型计算每个数据点的残差。

对于大型数据集，可以通过设置参数task_type = GPU在GPU上训练CatBoost 。它还支持多服务器分布式gpu 。 CatBoost还支持旧的gpu ，您可以在谷歌Colabs中对其进行训练。

每次迭代都要监控模型，这是一种非常好的做法。您可以通过设置参数custom_metric = ['AUC' ， 'Logloss'
来监控您选择的任何指标以及优化损失函数。

机器学习：CatBoost简介( 十 )