Skip to content
TheChatArchiveThe Chat Archive
gpt-4o-2024-05-13· OpenAIAi2 WildChat-4.8M (AI2)

Как добавить дополнительные метрики на график при обучении CatBoostRegressor?

  1. User

    Как добавить дополнительные метрики на график при обучении CatBoostRegressor?

  2. Assistant

    Для добавления дополнительных метрик на график при обучении модели CatBoostRegressor, вы можете использовать параметры eval_metric и custom_metric. Параметр eval_metric используется для основной метрики, по которой будет происходить оценка модели во время обучения, а custom_metric позволяет добавить дополнительные метрики, которые также будут вычисляться на каждом шаге.

    Вот пример, как это можно сделать:

    from catboost import CatBoostRegressor, Pool
    from sklearn.datasets import make_regression
    from sklearn.model_selection import train_test_split
    
    # Создаём синтетические данные
    X, y = make_regression(n_samples=1000, n_features=20, noise=0.1)
    X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)
    
    # Создаём Pool объектов для обучения и валидации
    train_pool = Pool(X_train, y_train)
    eval_pool = Pool(X_test, y_test)
    
    # Определяем модель CatBoostRegressor
    model = CatBoostRegressor(
        iterations=1000,
        learning_rate=0.1,
        eval_metric='RMSE',                     # Основная метрика
        custom_metrics=['MAE', 'R2'],           # Дополнительные метрики
        logging_level='Verbose',
        plot=True                               # Включаем построение графиков
    )
    
    # Обучаем модель
    model.fit(train_pool, eval_set=eval_pool)
    
    # После завершения обучения снова отображаем график с метриками
    import matplotlib.pyplot as plt
    plt.show()
    

    В этом примере:

    1. eval_metric='RMSE' указывает, что основная метрика для оценки модели — это корень среднеквадратичной ошибки (RMSE).
    2. custom_metrics=['MAE', 'R2'] добавляет две дополнительные метрики: средняя абсолютная ошибка (MAE) и коэффициент детерминации (R2).
    3. plot=True позволяет автоматически построить графики метрик во время обучения.

    После выполнения кода, CatBoost автоматически построит графики для указанной основной метрики (RMSE) и дополнительных метрик (MAE и R2). Когда обучение завершится, вы сможете снова вызвать plt.show(), чтобы отобразить графики метрик.