3

Catboost を使用して分類を行うための最適なパラメーターを見つけたいです。トレーニングデータとテストデータがあります。アルゴリズムを 500 回反復して実行し、テスト データを予測したいと考えています。次に、これを 600 回繰り返し、次に 700 回繰り返します。イテレーション 0 からやり直したくありません。それで、Catboostアルゴリズムでこれを行う方法はありますか?

どんな助けでも大歓迎です！

4

2 に答える 2

0

  1. まず、XGB を使用して R で予測モデルを作成します。CatBoost を使用して回帰モデルを構築し、結果を改善したいと考えています。

    超伝導体データセットをトレーニング データセットとテスト データセットに変換

dataset_catboost20<-read.csv("train.csv")

dataset_catboost20

rows<-nrow(dataset_catboost20)

f<-0.65

upper_bound_catboost20<- floor(f*rows)

permuted_dataset_catboost20<- dataset_catboost20[sample(rows),]

train_dataset_catboost20<-permuted_dataset_catboost20[1:upper_bound_catboost20,]

train_dataset_catboost20
  1. 28 の独立変数と 1 つの従属変数があります。XGB と Catboost の両方で、式を **sparse.model.matrixに変換します。XGB 式では機能していましたが、Catboost ではエラーが表示されます。**

サポートされていないデータ型です。data.frame が必要です。取得したのは dgCMatrix です

方式

train_dataset_catboost2020

y_traincatboost20=train_dataset_catboost20$critical_temp

catboost_trcontrol20<-trainControl(method="cv", number = 5,allowParallel = TRUE,verboseIter = FALSE,returnData = FALSE)
catboostGrid20 <- expand.grid(depth= c(2,6,8), learning_rate=0.1, iterations=100,
                              l2_leaf_reg=.05, rsm=.95, border_count=65)
catboost_model20 = train(
  train_dataset_catboost2020,y_traincatboost20,method = catboost.caret,
  logging_level="Silent",preProc=NULL,

  tuneGrid = catboostGrid20,trControl=catboost_trcontrol20 )
于 2019-03-05T05:43:23.340 に答える