🐔 fit
这篇文章介绍了 CatBoost 中 fit 方法的使用方法，该方法用于训练模型。1
注意： 要在 GPU 上训练模型，请在类构造函数中将 task_type 参数设置为 GPU。在 GPU 上训练需要版本为 450.xx 或更高版本的 NVIDIA 驱动程序。1
方法调用格式¶
fit(X,
y=None,
cat_features=None,
text_features=None,
embedding_features=None,
pairs=None,
graph=None,
sample_weight=None,
group_id=None,
group_weight=None,
subgroup_id=None,
pairs_weight=None,
baseline=None,
use_best_model=None,
eval_set=None,
verbose=None,
logging_level=None,
plot=False,
plot_file=None,
column_description=None,
verbose_eval=None,
metric_period=None,
silent=None,
early_stopping_rounds=None,
save_snapshot=None,
snapshot_file=None,
snapshot_interval=None,
init_model=None,
log_cout=sys.stdout,
log_cerr=sys.stderr)
参数说明¶
一些参数与 CatBoost 类构造函数中指定的参数重复。在这些情况下，为 fit 方法指定的值优先。其余的训练参数必须在 CatBoost 类的构造函数中设置。1
X¶
- 描述： 根据可能的类型组，描述有所不同。
catboost.Pool：输入训练数据集。 注意： 如果在此类的构造函数中指定了cat_features参数的非平凡值，则 CatBoost 会检查构造函数参数和此 Pool 类中分类特征索引规范的等效性。list，numpy.ndarray，pandas.DataFrame，pandas.Series：二维特征矩阵形式的输入训练数据集。pandas.SparseDataFrame，scipy.sparse.spmatrix（dia_matrix除外的所有子类）：二维稀疏特征矩阵形式的输入训练数据集。
- 默认值： 必填参数
- 支持的处理单元： CPU 和 GPU 1
y¶
- 描述： 训练数据集的目标变量（换句话说，对象的标签值）。必须采用一维或二维数组的形式。数组中的数据类型取决于要解决的机器学习任务：
- 回归和排名：一维数值数组。
- 多元回归：二维数值数组。第一个索引用于维度，第二个索引用于对象。
- 二元分类：包含以下内容之一的一维数组：
- 表示类标签的布尔值、整数或字符串（只有两个唯一值）。
- 数值。数值的解释取决于所选的损失函数：
Logloss：如果该值严格大于target_border训练参数的值，则该值被视为正类。否则，它被视为负类。CrossEntropy：该值被解释为数据集对象属于正类的概率。可能的值在 [0; 1] 范围内。
- 多分类：表示类标签的一维整数或字符串数组。
- 多标签分类：二维数组。第一个索引用于标签/类，第二个索引用于对象。可能的值取决于所选的损失函数：
MultiLogloss：仅允许 {0, 1} 或 {False, True} 值，用于指定对象是否属于与第一个索引对应的类。MultiCrossEntropy：[0; 1] 范围内的数值，解释为数据集对象属于与第一个索引对应的类的概率。
- 注意： 如果输入训练数据集（在
X参数中指定）类型为catboost.Pool，请不要使用此参数。 - 可能类型：
list，numpy.ndarray，pandas.DataFrame，pandas.Series - 默认值：
None - 支持的处理单元： CPU 和 GPU 1
cat_features¶
- 描述： 分类列索引的一维数组。仅当
X参数是二维特征矩阵（具有以下类型之一：list，numpy.ndarray，pandas.DataFrame，pandas.Series）时才使用它。 - 注意：
cat_features参数也可以在类的构造函数中指定。如果是这样，CatBoost 会检查在此方法和类的构造函数中指定的cat_features参数的等效性。 - 可能类型：
list，numpy.ndarray - 默认值：
None（所有特征都被视为数值或其他类型，如果精确指定） - 支持的处理单元： CPU 和 GPU 1
text_features¶
- 描述： 文本列索引（指定为整数）或名称（指定为字符串）的一维数组。仅当
data参数是二维特征矩阵（具有以下类型之一：list，numpy.ndarray，pandas.DataFrame，pandas.Series）时才使用。如果此数组中的任何元素指定为名称而不是索引，则必须提供所有列的名称。为此，请使用此构造函数的feature_names参数显式指定它们，或传递在data参数中指定了列名称的pandas.DataFrame。 - 可能类型：
list，numpy.ndarray - 默认值：
None（所有特征都被视为数值或其他类型，如果精确指定） - 支持的处理单元： CPU 和 GPU 2
embedding_features¶
- 描述： embedding 列索引（指定为整数）或名称（指定为字符串）的一维数组。仅当
data参数是二维特征矩阵（具有以下类型之一：list，numpy.ndarray，pandas.DataFrame，pandas.Series）时才使用。如果此数组中的任何元素指定为名称而不是索引，则必须提供所有列的名称。为此，请使用此构造函数的feature_names参数显式指定它们，或传递在data参数中指定了列名称的pandas.DataFrame。 - 可能类型：
list，numpy.ndarray - 默认值：
None（所有特征都被视为数值或其他类型，如果精确指定） - 支持的处理单元： CPU 和 GPU 2
pairs¶
- 描述： 用于成对比较的训练数据集。
- 支持的格式：
list/numpy.ndarray/pandas.DataFrame: 包含对象索引对的三元组（索引、索引、目标）。目标是第一个对象相对于第二个对象的优势。catboost.PairsData: 包含对象索引对和目标的类。
- 支持的格式：
- 默认值：
None - 支持的处理单元： CPU 和 GPU 1
graph¶
- 描述： 用于图值数据训练的图结构。
- 支持的格式：
list/numpy.ndarray: 包含边列表的二维数组。catboost.GraphData: 包含图结构的类。
- 支持的格式：
- 默认值：
None - 支持的处理单元： CPU 和 GPU 1
sample_weight¶
- 描述： 对象权重。
- 支持的格式：
list/numpy.ndarray: 包含对象权重的一维数组。pandas.Series: 包含对象权重的pandas.Series。
- 支持的格式：
- 默认值：
None（所有对象权重均假定为 1） - 支持的处理单元： CPU 和 GPU 1
group_id¶
- 描述： 对象组。CatBoost 在组内执行有序提升。
- 支持的格式：
list/numpy.ndarray: 包含组标识符的一维数组。如果单个对象属于多个组，则其标识符将出现在此数组中多次，每个组对应一次。pandas.Series: 包含组标识符的pandas.Series。如果单个对象属于多个组，则其标识符将出现在此数组中多次，每个组对应一次。
- 支持的格式：
- 默认值：
None - 支持的处理单元： CPU 和 GPU 1
group_weight¶
- 描述： 组权重。这些权重会影响损失函数中相应组的贡献。
- 支持的格式：
list/numpy.ndarray: 包含组权重的一维数组。
- 支持的格式：
- 默认值：
None（所有组权重均假定为 1） - 支持的处理单元： CPU 和 GPU 1
subgroup_id¶
- 描述： 对象子组。CatBoost 在子组内执行有序提升。
- 支持的格式：
list/numpy.ndarray: 包含子组标识符的一维数组。如果单个对象属于多个子组，则其标识符将出现在此数组中多次，每个子组对应一次。pandas.Series: 包含子组标识符的pandas.Series。如果单个对象属于多个子组，则其标识符将出现在此数组中多次，每个子组对应一次。
- 支持的格式：
- 默认值：
None - 支持的处理单元： CPU 和 GPU 1
pairs_weight¶
- 描述： 对象对权重。这些权重会影响损失函数中相应对象对的贡献。
- 支持的格式：
list/numpy.ndarray: 包含对象对权重的一维数组。
- 支持的格式：
- 默认值：
None（所有对象对权重均假定为 1） - 支持的处理单元： CPU 和 GPU 1
baseline¶
- 描述： 初始预测值。
- 支持的格式：
list/numpy.ndarray: 包含初始预测值的一维或二维数组。pandas.DataFrame: 包含初始预测值的pandas.DataFrame。
- 支持的格式：
- 默认值：
None - 支持的处理单元： CPU 和 GPU 1
use_best_model¶
- 描述： 如果在
eval_set参数中传递了验证数据集，则使用此参数指定是否使用验证数据集上获得的最佳模型。 - 可能类型：
bool - 默认值：
- 如果在
eval_set参数中传递了验证数据集，则为True。 - 否则为
False。 - 支持的处理单元： CPU 和 GPU 1
eval_set¶
- 描述： 验证数据集。
- 支持的格式：
catboost.Pool: 验证数据集。list/numpy.ndarray/pandas.DataFrame/pandas.Series: 二维特征矩阵形式的验证数据集。tuple: 包含二维特征矩阵形式的验证数据集及其标签（y）的元组。list的list: 包含多个验证数据集的列表。
- 默认值：
None - 支持的处理单元： CPU 和 GPU 1
verbose¶
- 描述： 输出训练过程的频率。
- 支持的值：
False: 不输出训练过程。True: 每个迭代后输出训练过程。- 整数：每指定迭代次数后输出训练过程。
- 可能类型：
bool，int - 默认值：
True - 支持的处理单元： CPU 和 GPU 1
logging_level¶
- 描述： 日志详细程度。
- 可能的值：
Silent: 不输出任何日志消息。Verbose: 输出所有信息。Info: 输出信息消息。Debug: 输出调试消息。
- 可能类型：
string - 默认值：
None（使用 CatBoost 类的构造函数中指定的logging_level参数的值） - 支持的处理单元： CPU 和 GPU 1
plot¶
- 描述： 是否可视化训练过程。
- 可能类型：
bool - 默认值：
False - 支持的处理单元： CPU 和 GPU 1
plot_file¶
- 描述： 用于保存训练过程可视化结果的文件的名称。
- 可能类型：
string - 默认值：
None - 支持的处理单元： CPU 和 GPU 1
column_description¶
- 描述： 包含训练数据集列描述的文件的路径。
- 可能类型：
string - 默认值：
None - 支持的处理单元： CPU 和 GPU 1
verbose_eval¶
- 描述： 如果在
eval_set参数中传递了验证数据集，则使用此参数指定输出度量计算结果的频率。 - 可能类型：
bool，int - 默认值：
None（使用 CatBoost 类的构造函数中指定的verbose_eval参数的值） - 支持的处理单元： CPU 和 GPU 1
metric_period¶
- 描述： 计算度量的频率。
- 可能类型：
int - 默认值：
None（使用 CatBoost 类的构造函数中指定的metric_period参数的值） - 支持的处理单元： CPU 和 GPU 1
silent¶
- 描述： 是否静默模式。
- 可能类型：
bool - 默认值：
None（使用 CatBoost 类的构造函数中指定的silent参数的值） - 支持的处理单元： CPU 和 GPU 1
early_stopping_rounds¶
- 描述： 如果在
eval_set参数中传递了验证数据集，则使用此参数停止训练，如果在指定的迭代次数内最佳度量值没有改善。 - 可能类型：
int - 默认值：
None（使用 CatBoost 类的构造函数中指定的early_stopping_rounds参数的值） - 支持的处理单元： CPU 和 GPU 1
save_snapshot¶
- 描述： 是否将快照保存到文件中。
- 可能类型：
bool - 默认值：
None（使用 CatBoost 类的构造函数中指定的save_snapshot参数的值） - 支持的处理单元： CPU 和 GPU 1
snapshot_file¶
- 描述： 用于保存快照的文件的名称。
- 可能类型：
string - 默认值：
None（使用 CatBoost 类的构造函数中指定的snapshot_file参数的值） - 支持的处理单元： CPU 和 GPU 1
snapshot_interval¶
- 描述： 保存快照的时间间隔（以秒为单位）。
- 可能类型：
int - 默认值：
None（使用 CatBoost 类的构造函数中指定的snapshot_interval参数的值） - 支持的处理单元： CPU 和 GPU 1
init_model¶
- 描述： 用于初始化模型的模型的路径或模型本身。
- 可能类型：
string，catboost.CatBoost - 默认值：
None - 支持的处理单元： CPU 和 GPU 1
log_cout¶
- 描述： 用于输出标准 C++ 流的对象。
- 可能类型：
object - 默认值：
sys.stdout - 支持的处理单元： CPU 和 GPU 1
log_cerr¶
- 描述： 用于输出错误 C++ 流的对象。
- 可能类型：
object - 默认值：
sys.stderr - 支持的处理单元： CPU 和 GPU 1