multilabel multiclassification
* Значительное ускорение обучения на CPU (до 35% на датасетах с только числовыми фичами)
* Починили проблему со скоростью CV (особенно ускорился GPU), поддержали текстовые фичи и эмбеддинги в CV
* LogCosh функция потерь
* Исправление затейливой баги с model size regularization на GPU
* Новая документация в Markdown
* Куча фиксов
И это не все! Подробнее смотрите в информации о релизе https://github.com/catboost/catboost/releases/tag/v1.0.0 😺🥳
пробую сейчас новую CV. Подскажите, почему бы не распаралелить обучение обучение по фолдам? а то сейчас они последовательно учатся. это бы сильно ускорило CV...
Если воспринимать их как бинарные признаки человека то да, теперь можно учить модели, предсказывающие что человек одновременно принадлежит к классам шахтер, мужчина, рыболов,
То есть реализовано multi label binary classification?
Обсуждают сегодня