python – 如何抑制CatBoost迭代结果？

[weixin_38058520]

我正在尝试使用CatBoost来适应二进制模型.当我使用下面的代码时,我认为verbose = False可以帮助抑制迭代日志.但事实并非如此.有没有办法避免打印迭代？ model=CatBoostClassifier(iterations=300, depth=6, learning_rate=0.1, loss_function='Logloss', rsm = 0.95, border_count = 64, eval_metric = 'AUC', l2_leaf_reg= 3.5, one_hot_max_size=30, use_best_model = True, verbose=False, random_seed = 502) model.fit(X_train, y_train, eval_set=(X_test_filtered, y_test_num), verbose = False, plot=True)

[weixin_38071610]

CatBoost有几个参数来控制冗长.那些是冗长的,沉默的和logging_level. 默认情况下,日志记录是详细的,因此您可以在每次迭代时看到丢失值.如果要查看较少的日志记录,则需要使用其中一个参数.不允许同时设置其中两个. silent有两个可能的值 – True和False. verbose也可以是True和False,但也可以是整数.如果它是整数N,则每N次迭代将打印出日志记录. logging_level可以是’Silent’,’Verbose’,’Info’和’Debug’： >’Silent’表示没有输出到stdout(重要警告除外)和silent = True或verbose = False相同.>’详细’是默认日志记录模式它与verbose = True或者相同沉默=假.>’Info’打印出所选的树每次迭代.>’Debug’打印了大量调试信息. 您可以在两个地方使用这些参数.第一个是模型创建.第二个是拟合模型的拟合.如果在创建模型时使用了参数,则在拟合期间将使用该参数,如果未指定拟合函数中的参数. 如果在拟合函数中使用参数,则将使用此参数选择的模式. 在您的情况下,您似乎遇到了一个错误.下次您看到一些错误时,最好的方法是使用GitHub页面上的问题向CatBoost团队报告.此错误应该已经修复,因此请尝试升级到最新版本或从源代码构建代码.