Набор оценочных/тестовых данных CatBoost с весами для наблюдений ⇐ Python

[Anonymous]

Я работаю над набором данных, содержащим список людей (индексированных по их финансовому коду). Целевая переменная является двоичной (1: купить книгу, 0: в противном случае).
Все предикторы являются категориальными (например: национальность, город, дорога, корзина дохода и т. д.).
Фискальный код может повторяться дважды, и каждый экземпляр/наблюдение имеет вес (1, если не повторяется, значение от 0 до 1, если повторяется).
Например, набор данных выглядит так:



фискальный_код
вес
цель
категориальная информация




AAAAA1
0.98
0
...


AAAAA1
0.02
1
...



У меня есть два набора данных:

• train:
  

  Код: Выделить всё

  X_train

  : матрица категориальных переменных

• Код: Выделить всё

  y_train

  : целевая переменная

• Код: Выделить всё

  train_weight

  : вес для каждого наблюдения в наборе данных поезда.

[*]test: переменные X_test, y_test и test_weight, которые соответствуют переменным в наборе данных поезда.

Я попробовал модель CatBoost CatBoostClassifier:

Код: Выделить всё

# Inizialize booster and hyperparameters
categorical_features_indices = np.where(X.dtypes == np.category)[0]

model = CatBoostClassifier(iterations=5000, learning_rate=0.1, depth=7, loss_function='Logloss',eval_metric='AUC')

# Fit model
model.fit(X_train,
y_train,
eval_set=(X_test,y_test),
cat_features=categorical_features_indices,
use_best_model=True,
verbose=True,
sample_weight=train_weight)

Как учесть, что наблюдения в тестовом наборе данных тоже имеют веса (например, test_weight)?
Я прочитал документацию CatBoost, но не нашел ничего полезного, вместо документации Lightgbm (если рассматривать другую модель буста).

Подробнее здесь: https://stackoverflow.com/questions/541 ... servations