Catboost分类器用于不平衡目标变量和随机性的影响

问题描述

我目前正在处理目标变量高度不平衡的数据集[0,1] = [95％，5％]。我想在这里使用catboost的唯一主要原因是要处理大量非常重要的分类功能。我的问题如下：

1. 如何用catboost分类器处理这种巨大的不平衡。到目前为止，我正在使用以下代码。我可以进行哪些更改，以使整个模型足够有效以产生良好的结果？

   #this is for catboost algo
   best_params = {'depth': 5,'iterations': 1000,'learning_rate': 0.01,'random_strength': 0.8,'random_seed':1,'cat_features':categorical_features_indices,'eval_metric':'AUC','verbose':200}
           model = catboostClassifier(**best_params)
   
           model.fit(
                    X_train,y_train,eval_set=(X_test,y_test),use_best_model=False,plot=True
                    )
   

2. 在进行测试和训练拆分之前，向数据添加随机性，然后使用catboost分类器处理拆分是否有影响？如果删除它，则算法运行良好，但是如果添加随机性，则会出现以下错误。只是在这里给出一个想法，所有的特征都被编码，除了那些属于分类特征的特征应由catboost本身通过categorical_feature_indices评估

   catboostError: Bad value for 
   num_feature[non_default_doc_idx=0,feature_idx=3]="Eng/Tech": Cannot convert 'b'Eng/Tech'' to float
   

为什么会这样？

解决方法

暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！

如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。

小编邮箱:dio#foxmail.com (将#修改为@）