Бібліотека CatboostУ цьому прикладі ми імпортуємо CatBoostClassifier із catboost…

Бібліотека Catboost
У цьому прикладі ми імпортуємо CatBoostClassifier із catboost і створюємо екземпляр класифікатора з певними параметрами. Потім ми навчаємо модель на тренувальних даних і мітках за допомогою методу fit. Після навчання можемо використовувати методи predict та predict_proba для отримання передбачень класів та ймовірностей відповідно.

import numpy as np
from catboost import CatBoostClassifier
# ініціалізація даних
train_data = np.random.randint(0, 100, size=(100, 10))
train_labels = np.random.randint(0, 2, size=(100))
model = CatBoostClassifier(iterations=2, depth=2, learning_rate=1, loss_function='Logloss', verbose=True)
# навчання моделі
model.fit(train_data, train_labels)
# передбачення за допомогою отриманої моделі
preds_class = model.predict(test_data)
preds_proba = model.predict_proba(test_data)
print("class =", preds_class)
print("proba =", preds_proba)

Результат роботи коду залежатиме від вхідних даних. Тут використовуються випадкові дані для навчання та тестування, а в реальних ситуаціях дані відрізнятимуться.
#Catboost // #theory // Python