调整 CatBoost 模型 - Amazon SageMaker
指标可优化超参数

本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。

调整 CatBoost 模型

自动模型调整也称作超参数调整，是指通过在您的训练数据集和验证数据集上运行多个作业来测试一系列超参数，从而查找模型的最佳版本。模型调整侧重于以下超参数：

注意

学习损失函数根据分类任务的类型自动分配，分类任务由标签列中唯一整数的数量决定。有关更多信息，请参阅 CatBoost 超参数。

  • 一个学习损失函数，用于在模型训练期间进行优化

  • 一个评估指标，用于在验证期间评估模型性能

  • 自动调整模型时要使用的一组超参数和一系列值，供每个参数使用

自动模型调整将搜索您选择的超参数，以找出可以得到优化所选评估指标的模型的值组合。

注意

只能从 Amazon 上自动调整模型 SageMaker SDKs，而不能从 SageMaker 主机上进行自动模型调整。 CatBoost

有关模型优化的更多信息，请参阅自动调整模型 SageMaker。

CatBoost算法计算的评估指标

该 SageMaker CatBoost 算法计算以下指标以用于模型验证。评估指标根据分类任务的类型自动分配，分类任务由标签列中唯一整数的数量决定。

指标名称 描述 优化方向 正则表达式模式
RMSE 均方根误差 最小化 "bestTest = ([0-9\\.]+)"
MAE 平均绝对误差 最小化 "bestTest = ([0-9\\.]+)"
MedianAbsoluteError 中位绝对误差 最小化 "bestTest = ([0-9\\.]+)"
R2 r2 分数 最大化 "bestTest = ([0-9\\.]+)"
Logloss 二元交叉熵 最大化 "bestTest = ([0-9\\.]+)"
Precision 精度 最大化 "bestTest = ([0-9\\.]+)"
Recall 查全率 最大化 "bestTest = ([0-9\\.]+)"
F1 f1 分数 最大化 "bestTest = ([0-9\\.]+)"
AUC auc 分数 最大化 "bestTest = ([0-9\\.]+)"
MultiClass 多元交叉熵 最大化 "bestTest = ([0-9\\.]+)"
Accuracy 准确性 最大化 "bestTest = ([0-9\\.]+)"
BalancedAccuracy 平衡准确性 最大化 "bestTest = ([0-9\\.]+)"

可调整 CatBoost 的超参数

使用以下超参数调整 CatBoost 模型。对优化 CatBoost 评估指标影响最大的超参数是：learning_rate、depthl2_leaf_reg、和random_strength。有关所有 CatBoost 超参数的列表，请参见CatBoost 超参数。

参数名称 参数类型 建议的范围
learning_rate ContinuousParameterRanges MinValue: 0.001， MaxValue: 0.01
depth IntegerParameterRanges MinValue: 4, MaxValue: 10
l2_leaf_reg IntegerParameterRanges MinValue: 2, MaxValue: 10
random_strength ContinuousParameterRanges MinValue: 0, MaxValue: 10