带列车/测试分叉的CatBoost randomized_search

Question

CatBoost文档表示，randomized_search方法可以通过cv参数接受训练和测试拆分，而不是定义交叉验证方法。要做到这一点，应规定：

是一种可迭代的生成序列，测试分裂作为索引数组。

我们如何定义这个对象？

作为一个坏例子，假设我的功能数据集有10行。我希望使用前5行进行培训，最后5行用于验证/测试。

我提取索引值。

train_index = X[0:5].index
test_index = X[5:10].index

我向randomized_search方法提供索引

a_search = model.randomized_search(param_distributions=params, 
                                   X = X,
                                   y = y,
                                   n_iter=5,
                                   cv={train_index,test_index})

我在cv={train_index,test_index}中提供的这个集合是不可能的，因为它是不可迭代的，但是我不知道这样的迭代应该如何。我只想定义X和y的哪些行用于培训，哪些行用于测试。目标是通过免除交叉验证和使用专用验证数据集来加快培训。

Answer 1

您可以使用一个元组列表：

cv=[(train_index, test_index)]

示例：

import pandas as pd
import numpy as np
from catboost import CatBoost

# generate the data
data = np.random.normal(loc=0, scale=1, size=(10, 3))
labels = np.mean(a=data, axis=1)

df = pd.DataFrame(
    data=np.hstack([data, np.expand_dims(labels, axis=1)]),
    columns=['x1', 'x2', 'x3', 'y']
)

# split the data
train_index = df.index[:5]
test_index = df.index[5:]

# instantiate the model
model = CatBoost()

# tune the model
results = model.randomized_search(
    param_distributions={
        'depth': [2, 3, 4],
        'iterations': [5, 6, 7]
    },
    X=df[['x1', 'x2', 'x3']],
    y=df['y'],
    cv=[(train_index, test_index)],
)