CatBoost тратит больше времени на Pool, чем на обучение числовой матрицы. Какой эксперимент с представлением оправдан?
Classic MLУровень: ПрактикаCatBoost · Pool data contract
CatBoost тратит больше времени на Pool, чем на обучение числовой матрицы. Какой эксперимент с представлением оправдан?
Подсказки
- Профилируйте преобразование данных отдельно от бустинга.
- На коротких запусках представление данных может доминировать.
Ответ
Сравните числовой массив float32 или документированный FeaturesData с тяжёлыми Python-object структурами. Проверьте точность и схему категорий; настройка обучения не устранит накладные расходы чтения.
Источник и лицензия: CatBoost · Pool data contract · Apache-2.0 · ответ: редакция Quantoros · перевод: Quantoros