使用之前训练的模型在Catboost中进行进一步预测

我想找到使用Catboost进行分类的最佳参数。我有训练数据和测试数据。我想运行算法,比如说500次迭代,然后在测试数据上进行预测。接下来,我想重复这个过程,进行600次迭代,然后是700次迭代,依此类推。我不想从第0次迭代重新开始。那么,在Catboost算法中,有没有办法做到这一点呢?

任何帮助都将不胜感激!


回答:

您可以运行算法达到最大迭代次数,然后使用CatBoost.predict()并设置ntree_limit参数,或者使用CatBoost.staged_predict()来尝试不同的迭代次数。

Related Posts

L1-L2正则化的不同系数

我想对网络的权重同时应用L1和L2正则化。然而,我找不…

使用scikit-learn的无监督方法将列表分类成不同组别,有没有办法?

我有一系列实例,每个实例都有一份列表,代表它所遵循的不…

f1_score metric in lightgbm

我想使用自定义指标f1_score来训练一个lgb模型…

通过相关系数矩阵进行特征选择

我在测试不同的算法时,如逻辑回归、高斯朴素贝叶斯、随机…

可以将机器学习库用于流式输入和输出吗?

已关闭。此问题需要更加聚焦。目前不接受回答。 想要改进…

在TensorFlow中,queue.dequeue_up_to()方法的用途是什么?

我对这个方法感到非常困惑,特别是当我发现这个令人费解的…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注