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：

1. 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。

2. 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：

1. 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。

2. 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

1. 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。

2. 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。

3. 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

1. 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。

2. 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。

3. 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。

4. 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。