Как выбирали CatBoost

Что проверяют

Выбираете ли вы инструмент через эксперимент, а не по репутации. Интервьюер хочет услышать постановку сравнения: какие данные, какие кандидаты, какая валидация и метрика. Следом обычно спрашивают, чем обработка категориальных признаков в CatBoost отличается от LightGBM и XGBoost.

Как отвечать

Нужны ваша история и ваши цифры. Каркас:

• данные и ограничения: табличные данные, много категориальных признаков с высокой кардинальностью, требования к скорости инференса и интерпретируемости;
• кандидаты: логистическая регрессия как бейзлайн, LightGBM, XGBoost, CatBoost;
• честное сравнение: одинаковые разбиения, для данных со временем валидация по времени, подбор гиперпараметров для каждой библиотеки, ранняя остановка, метрика под задачу (ROC AUC, PR AUC при дисбалансе, logloss, если важны вероятности);
• итог: что выиграли и чем заплатили.

Что знать о CatBoost, чтобы объяснить выбор:

• категориальные признаки: передаются через cat_features без ручного кодирования. Внутри упорядоченные target statistics: признак кодируется только по предыдущим объектам в случайной перестановке, это снижает утечку таргета;
• ordered boosting: борется со сдвигом предсказаний, когда модель учится и оценивается на одних данных;
• симметричные (oblivious) деревья: быстрый инференс, работа как регуляризация, хорошие параметры по умолчанию;
• интерпретация: get_feature_importance, в том числе SHAP-значения.

Минусы тоже назовите: на CPU и больших выборках LightGBM часто обучается быстрее, а у LightGBM и XGBoost есть своя поддержка категорий. Если библиотеку выбрали до вас, так и скажите и объясните, как проверили бы этот выбор сейчас.

Где спотыкаются

Говорят «взяли CatBoost, потому что он хорошо работает с категориями» без сравнения. Это пересказ документации, а не выбор.

Сравнивают настроенный CatBoost с XGBoost на дефолтах и one-hot или делают target encoding до разбиения на фолды. Выигрыш тогда даёт утечка или условия сравнения, а не библиотека.

Приводят круглые проценты вроде «обучение ускорилось на 30%», хотя CatBoost на CPU обычно медленнее LightGBM. Такая цифра вызывает вопросы.