Да, убрали. Теперь это можно настроить с помощью параметров --simple-ctr и --combinations-ctr
https://tech.yandex.com/catboost/doc/dg/concepts/cli-reference_train-model-docpage/#cli-reference_train-model

может кто-то подскажет: в катбусте есть очень крутой параметр use_best_model, но этой функцией не получится воспользоваться если делать оптимизацию гиперпараметров с помощью sklearn.model_selection.GridSearchCV потому-что этот метод, насколько я понял, не имеет возможности подавать валидационный сет в модель, а значит невозможно посчитать метрику для оценки переобучения. Какой наилучший способ настройки гиперпараметров у катбуста? Только вручную написать перебор по сетке или есть готовые реализации?

просто если делать перебор параметров по сетке, чтобы подобрать оптимальный вариант с числом деревьев на это уйдет слишком много времени на обучение, с использованием GridSearchCV

А hyperopt для этих целей использовать не пробовали? На сколько я знаю, с ним можно использовать Catboost напрямую, как есть, и подавать валидацию.

нет не пробовал, это в какой библиотеке?

а это и есть библиотека

да, https://github.com/hyperopt/hyperopt, он реализует random grid search, по аналогии с sklearn.model_selection.RandomizedSearchCV

спасибо, буду пробовать

Привет, а будет возможность смотреть feature importance по gain а не по weight?

Привет!
А можешь сказать, что ты подразумеваешь под gain и weight?

Если я правильно понимаю, то weight характеризует то, как часто идет разбиение в дереве по признаку, а gain - по наибольшему изменению энтропии

В xgboost есть такое

У нас сейчас feature importance для фичи означает насколько сильно меняются значения в листьях, если ты инвертируешь все сплиты во всех деревьях по данной фиче. Подробнее можно почитать вот тут https://tech.yandex.com/catboost/doc/dg/concepts/fstr-docpage/ в разделе FeatureImportance в Calculation principles.
То есть это не просто “weight”, но и не “gain”.
А чем тебе наш feature importance не нравится?) Или просто хочется и через gain считать?
Вообще пока не планировали добавлять, но всегда можно законтрибьютить)

Мне все нравится, просто для моей задачи нужен был gain)

Почитаю)

Спасибо за ответ

Всем привет! А я правильно понял, что на macbook pro 2108 15 с отдельным GPU чипом можно натсроить его использование catboost-ом слудуя гайду на сайте?

привет, если со встроенным в макбук GPU (там AMD), то нельзя
если с внешним NVIDIA, подключенным через tunderbolt/usb type-c, то можно

а как катбуст работает с continious признаками? Помню, что есть биниги, а есть внутри интсрументы по уменьшению размерности? Или лучше эту операцию делать до обучения?

ну есть же в документации параметр max_bin, он же border_count