CatBoost 1.2.8版本发布:全面支持Python 3.13与NumPy 2.x
项目简介
CatBoost是由Yandex开发的一款高性能梯度提升决策树(GBDT)算法库,以其出色的处理类别特征能力、高效的训练速度以及优秀的预测性能而闻名。作为机器学习领域的重要工具,CatBoost特别适合处理包含类别型特征的数据集,在推荐系统、金融风控、广告点击率预测等多个领域都有广泛应用。
核心更新内容
Python生态兼容性提升
本次1.2.8版本最重要的改进之一是全面支持最新的Python 3.13环境,这确保了开发者可以在最新的Python环境中无缝使用CatBoost。同时,该版本也正式支持NumPy 2.x系列,为数据科学工作流提供了更好的兼容性。
值得注意的是,随着Python生态的发展,1.2.8版本已经放弃了对Python 3.7的支持,建议仍在使用旧版本Python的用户考虑升级到3.8及以上版本。
GPU计算优化
在GPU计算方面,本次更新有两项重要改进:
-
当在GPU上计算自定义指标时,现在会正确使用实现类的名称作为字符串ID进行存储。这一改进使得在分布式训练或模型保存/加载场景下,自定义指标的处理更加可靠。
-
改进了GPU上自定义指标代码的异常传播机制。现在当自定义指标代码出现错误时,系统能够正确捕获并传播异常信息,显著提升了调试效率。
Apache Spark集成改进
对于大数据处理场景,CatBoost的Spark集成模块也有显著改进:
-
修复了训练完成后工作节点可能挂起的问题,提高了集群资源的利用率。
-
移除了对Spark 2.x系列的支持,专注于维护Spark 3.x及更新版本的兼容性。这一变化反映了Spark社区的发展趋势,建议仍在使用Spark 2.x的用户考虑升级。
功能增强与优化
R语言包改进
R语言接口现在支持character和factor类型作为目标变量,这一改进特别适用于分类问题场景。开发者现在可以直接使用字符型或因子型变量作为分类目标,而无需先进行数值编码,简化了数据预处理流程。
性能优化
针对特定回归任务,在GPU上训练时,leaf_estimation_iterations参数的默认值得到了优化。这一调整可以自动为回归任务提供更好的初始参数配置,减少调参工作量,同时提升模型性能。
底层架构与构建系统
构建工具升级
-
从内部维护的Cython 0.29.x迁移到了官方的Cython 3.0.10+版本,这一变化带来了更好的兼容性和性能。
-
构建系统从Conan 1.x升级到了Conan 2.x,利用了新一代依赖管理工具的优势。
-
更新了OpenSSL到3.0.15版本,提升了安全性和稳定性。
CUDA相关优化
默认情况下不再输出详细的ptxas统计信息,减少了构建日志的冗余输出,使关键信息更加突出。
重要问题修复
-
修复了在包含类别特征的量化数据集上训练时可能发生的崩溃问题。
-
解决了在不支持SSE4指令集的CPU(包括所有ARM架构处理器)上计算概率预测时的问题。之前概率为0的值会被错误地计算为NaN,现在可以正确输出。
-
修复了加载稀疏数据集时可能出现的竞态条件问题,提高了数据加载的稳定性。
-
对于JVM应用接口,修正了评估器类型相关方法和类别特征哈希方法的可见性问题,这些方法之前被错误地标记为private。
总结
CatBoost 1.2.8版本在保持核心算法优势的同时,重点提升了与现代Python和Spark生态的兼容性,改进了GPU计算和R语言接口的易用性,并修复了多个关键问题。这些改进使得CatBoost在各种机器学习场景下的表现更加稳定可靠,特别是对于需要处理类别特征的大规模数据应用场景。建议所有CatBoost用户考虑升级到这一版本,以获得更好的性能和更完善的功能支持。
- QQwen3-Omni-30B-A3B-InstructQwen3-Omni是多语言全模态模型,原生支持文本、图像、音视频输入,并实时生成语音。00
- HHunyuan-MT-7B腾讯混元翻译模型主要支持33种语言间的互译,包括中国五种少数民族语言。00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~0269get_jobs
💼【AI找工作助手】全平台自动投简历脚本:(boss、前程无忧、猎聘、拉勾、智联招聘)Java00AudioFly
AudioFly是一款基于LDM架构的文本转音频生成模型。它能生成采样率为44.1 kHz的高保真音频,且与文本提示高度一致,适用于音效、音乐及多事件音频合成等任务。Python00GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile08
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
热门内容推荐
最新内容推荐
项目优选









