catboost R分类转换为数字
CatBoost是一种基于梯度提升决策树（Gradient Boosting Decision Tree）的机器学习算法，它在处理分类问题时可以将分类标签转换为数字。下面是对这个问答内容的完善和全面的答案：
CatBoost是一种强大的机器学习算法，它是基于梯度提升决策树的一种变体。它在处理分类问题时，可以将分类标签转换为数字。这种转换可以帮助算法更好地理解和处理分类数据。
CatBoost的主要优势包括：
- 高性能：CatBoost使用了一些优化技术，如对称二叉树布局和基于直方图的计算，以提高训练和预测的速度。
- 自动处理类别特征：CatBoost可以自动处理类别特征，无需进行繁琐的特征工程。它能够自动将类别特征转换为数字，并进行有效的编码。
- 鲁棒性：CatBoost对于缺失值和异常值具有较好的鲁棒性，能够处理现实世界中的复杂数据。
- 可解释性：CatBoost提供了特征重要性的评估，可以帮助我们理解模型对于不同特征的贡献程度。
CatBoost在许多领域都有广泛的应用场景，包括金融、电子商务、医疗保健等。例如，在金融领域，CatBoost可以用于信用评分、风险预测等任务。
对于使用CatBoost进行R分类转换为数字的具体操作，可以参考腾讯云的机器学习平台——腾讯云机器学习（Tencent Cloud Machine Learning）的相关产品。该产品提供了CatBoost算法的支持，并且具有友好的用户界面和丰富的功能，可以帮助用户轻松地进行模型训练和部署。
更多关于腾讯云机器学习的信息，请访问腾讯云官方网站：腾讯云机器学习。
相关·内容
我正在尝试将skopt的BayesSearchCV方法与Catboost.However一起使用，我不知道如何将catboost原生的分类特征的索引传递给bayesSearch object的fit()方法。 clf = catboost.CatBoostClassifier()
search_spaces = {'iterations': (10, 1000),
'depth': (1, 10),
'learning_rate': (0.001, 0.5),
浏览 34提问于2019-04-14得票数 2
2回答
我想要找到最优的参数来做分类使用Catboost。我有训练数据和测试数据。我想运行这个算法，比如说500次迭代，然后对测试数据进行预测。接下来，我想重复600个迭代，然后700个迭代等等。我不想再次从迭代0开始。那么，有什么方法可以在Catboost算法中做到这一点呢？
任何帮助都是非常感谢的！
浏览 4提问于2017-08-24得票数 3
回答已采纳
2回答
问题的背景:我有一个熊猫数据，其中一个列有文本值，另一个列有分类值。我用一些样本数据用tensorflow训练了一个word2vec模型。我把我的文本列转换成向量表示。但我希望将这些数据提供给卡特博斯，以便执行回归任务。但是，我不能将这些数据提供给catboost，因为catboost只接受Categorical变量。
为此，我找到了一个关于Catboost Github页面的教程。但是这个例子是用于分类任务的。发现cosine和其它类型的文本向量表示之间的关系。但在我的例子中，我只有一个文本字段。那么如何计算cosine或其他类型的关系呢？
那么，我的问题是如何从文本数据的向量表示中提取分类
浏览 0提问于2018-01-27得票数 -1
我有一个单热编码的标签。我想用它们来训练和预测catboost分类器。然而，当我进行拟合时，它给了我一个错误，说标签的每行不允许有多个整数值。那么catboost不允许对标签进行一次性编码吗？如果没有，我怎样才能让catboost工作呢？
浏览 3提问于2017-08-12得票数 0
1回答
首先，谢谢你读了我的文章，如果你能给出任何线索来帮助我解决这个问题，那就非常感谢。
因为我是新来的Scikit-学习，不要犹豫，提供任何建议，可以帮助我改进的过程，使它更专业。
我的目标是对两类数据进行分类。我想找到一个能给我最精确结果的解决方案。目前，我仍在寻找最合适的算法和数据预处理。
在我的数据中，我有24个值: 13是标称的，6是二进制的，其余的是连续的。下面是一个行的示例
“雷诺”；“CLIO III";"CLIO III (2005-2010)";"Diesel";2010;"HOM";"_AAA";"
浏览 4提问于2015-04-14得票数 8
2回答
CatBoost可以对分类变量进行编码，这是很棒的。但是，当分类功能在表单np.nan中包含缺失值时，无法处理它们。在这里的CatBoost文档中说明了这一点：
但是，我在这个GitHub线程中看到，CatBoost实际上可以处理缺少值的分类变量。
我试过一个小例子来测试它：
from catboost import CatBoostClassifier
# Initialize data
cat_features = [0, 1]
train_data = [["a", np.nan, 1, 4, 5, 6],
["a", "
浏览 44提问于2022-01-25得票数 1
1回答
我偶然看到了卡特博斯包裹。在Sklearn分类中的类中，Catboost似乎属于集成方法。那么，与AdaBoost、套袋等相比，Catboost的优势是什么？
浏览 0提问于2018-10-05得票数 2
回答已采纳
我用证据的权重来编码我的分类特征。我是否仍然需要通过使用cat_features参数通知Catboost它们是绝对特性？
浏览 0提问于2022-09-12得票数 1
我试图使用CatBoost来解决一个NLP多类分类问题，试图根据它们的标签对句子进行分类。
这对于使用模型fit中的text_features参数来训练模型是很好的：
model.fit(x_train, y_train, text_features=['text'])
但是，当我想在测试数据中使用文本特性时，我看不到提供这个特性的选项，并得到以下错误：
preds_class = model.predict(X_test)
_catboost.CatBoostError: Bad value for num_feature[non_default_doc_idx=0,fea
浏览 20提问于2021-11-29得票数 2
我理解Catboost回归器在训练时使用基于目标的编码将分类特征转换为数字特征。但是在标签完全未知的时候，Catboost是如何处理分类特征的呢？如果决策树期望将分类特征值作为数字来看待，那么在预测时间内，一个对象如何沿着Catboost决策树下降？
我试着查看正式文档，但只有在培训期间，当标签可用时，才能找到编码。
浏览 0提问于2022-06-29得票数 0
回答已采纳
1回答
如果我有一个数据帧，假设因子在第1列和第2列，标签在第3列，有什么区别吗？ train_pool <- catboost.load_pool(data = training[,1:2], label = training[,3]) 和 train_pool <- catboost.load_pool(data = training[,1:2],
label = training[,3], cat_features=c(1,2)) 也就是说，即使我没有在catboost.load_pool中显式声明它，它是否会自动
浏览 7提问于2019-02-20得票数 0
我如何告诉CatBoost用小样本将分类值分组在一起。例如，假设我有一个名为Country的列，其中只有1个“柬埔寨”样本和2个“蒙古”样本，以及999998个其他国家，每个国家至少有100个样本。我想告诉CatBoost，不要费心在这些稀有的国家身上施展CTR的魔力，只要把它们当作“其他”就行了。
浏览 0提问于2018-12-05得票数 0
CatBoost回归者是否有一种方法来预测每种预测的概率？我看到一个用于CatBoost分类器()，而不是用于回归器。
浏览 3提问于2022-01-18得票数 2
回答已采纳
我一直在按照链接的教程来构建catboost分类器模型：
在我尝试运行教程中的第13个命令之前，代码一直运行得很好：
model.grid_search(grid,train_dataset)
此时，我收到以下错误：
CatBoostError: catboost/libs/train_lib/dir_helper.cpp:20: Can't create train working dir: catboost_info
浏览 64提问于2021-09-02得票数 0
有一个基于Catboost算法的包，https://contrib.scikit-learn.org/category_encoders/_modules/category_encoders/cat_boost.html#CatBoostEncoder，它声称使用catboost算法对数据集进行编码。但是，它并没有在catboost软件包中包含所有的功能，从而可以改进模型的培训阶段。经过培训，我试图找到一种方法来使用catboost来转换数据集中的分类变量。你能帮我吗？
浏览 7提问于2022-09-23得票数 0
我一直在使用一个自定义的指标精确召回AUC在卡特博斯。但是，它的迭代速度慢，并且与GPU不兼容。我看到了，这正是我(二进制)分类模型所需要的。
当我使用MAP作为eval度量来拟合Catboost模型时，我得到了错误：
agent/pipelines/buildmaster/catboost.git/catboost/private/libs/target/data_providers.cpp:269: CatBoostError: c:/program (x86)/go Groupwise损失/度量需要非平凡组
在googling这个错误(特别是"Groupwise损失/度量
浏览 8提问于2021-08-10得票数 2
回答已采纳
我想在catboost中使用交叉验证。由于我不仅希望使用catboost，而且还想使用抽样，所以我使用的是管道，因此不能使用catboost's自己的交叉验证(如果我只使用catboost而不是管道)。所以我想使用sklearn's交叉验证，如果我只使用数值变量的话，效果很好，但是一旦我还包括了分类变量(cat_features)和catboost's编码，cross_validate就不再工作了。即使我不使用管道，而只使用catboost，我也会得到cross_validate的一条KeyError: 0消息。但我不明白为什么。这是我的代码中不起作用的部分：
from
浏览 0提问于2019-08-25得票数 4
我正在尝试使用catboost来预测多类，但我得到了如下错误。
Error: loss function is not supported for GPU learning MultiClass
我使用catboost选项，如下所示。
CatboostClassifier(loss_function='MultiClass',task_type='GPU')
我想知道我是否可以使用GPU来预测多分类。
浏览 15提问于2018-09-04得票数 0
我把CV类搞糊涂了。我认为它接受一个回归器或分类器模型，就像scikit-learn中那样。然而，在简历的输入中，我没有发现任何这样的模型。你能告诉我CV类是如何决定适合哪个模型的吗？
浏览 1提问于2019-03-29得票数 0
1回答
我正在研究，它的计算服务器是Ubuntu18.04。出于安全原因，我想安装，但是没有互联网接入。我在有互联网接入的MacBook上下载了，并将其压缩到Azure进行手动安装。我执行了以下步骤：
在上，libc6-dev是必需的，所以我从链接下载并上传到ubuntu重新安装libc6-dev，然后执行bash命令使其可用：sudo dpkg -i /dbfs/FileStore/tables/build_essential_12_4ubuntu1_amd64.deb。
使用我的Macbook (有互联网)，我从克隆了github回购，并使用MacOS终端：tar czf catb
浏览 1提问于2021-07-26得票数 2
回答已采纳
由于代理出现问题，我尝试在之后从Windows中的本地副本安装catboost for R。
唯一的区别是，我没有通过gitbash下载catboost回购，而是通过网站手动下载。
我已经安装了python并将其添加到路径中。
我安装了VisualStudioCommunity2017、Windows开发和带有C++选项的桌面开发。
我还安装了VC++ 2015.3 v140桌面工具集(x86，x64)和VC++ 2017 v141工具集(x86，x64)选项。
在这里之前没有问题，也没有警告。
然后，我将工作目录设置为catboost R-package。然后使用devtools构建和安装包
浏览 0提问于2018-04-06得票数 2
2回答
我有一个关于Catboost的问题。是否要在建模之前对分类进行预处理？
如果我有86个变量，包括1个目标变量。在这85个变量中，有2个数值变量和83个分类变量(Factor类型)。目标变量是二进制因数，1或0。
第1列和第4列到第85列是因数类型。
第2列和第3列是数字。
我对catboost.train()中的cat_features有点迷惑。在参数中，我可以设置分类特征的向量。另外，我可以在catboost.load_pool中进行设置。
library(Catboost)
library(dplyr)
X_train <- train %>% select(-Target)
浏览 0提问于2020-02-28得票数 1
1回答
我注意到，在处理多个具有默认参数的数据集时，即使在没有绝对特性的表格数据集上，默认参数也往往优于lightgbm或xgboost。
我假设这与catboost构建决策树的方式有关，但我只想证实这个理论。如果有人能详细说明为什么它在非分类数据上表现得更好，那就太好了！提前感谢！
浏览 0提问于2021-02-20得票数 0
最近，我开始使用CatBoost进行机器学习模型的快速原型设计，这受到了与XGBoost、LightGBM和h2o相比的杰出的CatBoost的启发。
由于XGBoost只能接受数字特征，所以CatBoost和XGBoost之间的比较需要对分类特征进行共同的预处理。我并不完全清楚在基准测试中使用了什么样的预处理来编码分类特性，以及不使用简单的一种热编码的理由。
我试着阅读实验的。据我所知，对分类特性j进行编码的过程大约相当于以下内容：
在train集中，将响应y按j分组，并使用mean函数进行聚合。让我们调用结果df_agg_j
左加入分类列train集和df_agg_j，删除原始分类
浏览 3提问于2019-01-13得票数 1
1回答
我有个愚蠢的问题要问。
从catboost的文档中，我了解到行之间存在一些排列/洗牌，用于分类数据转换。()
我试图用一个观察来预测我的模型是否有效，但我得到了一个错误。然而，通过两个观察，它工作得很好。
我的问题是，对于一个catboost分类器的预测，我们是否至少要给两个观察，因为置换？如果是，第一次观察对输出有影响吗？
浏览 0提问于2017-10-31得票数 1
回答已采纳
1回答
我有一个矩阵，包含大约1000个公司超过16年的月股票回报率，另一个矩阵包含公司的年度规模测量，第三个矩阵包含相同公司的年账面权益与市场权益。因此，对于每只股票，我有192个回报观察，12个大小观察和12本书对市场的观察。矩阵按如下顺序排列：
U:APC(P#T) U:AR(P#T) U:APA(P#T) 89589Q(P#T)
0.05 0.03 -0.2 0.11
0.02 0.0l2 -0.1 0.12
0.01 0.013 0
浏览 2提问于2016-04-26得票数 0
回答已采纳
我正在使用谷歌合作实验室中的catboost模块建模boosting分类器。我跟踪了
from catboost import CatBoostClassifier, Pool
train_data = [[1, 3], [0, 4], [1, 7], [0, 3]]
train_labels = [1, 0, 1, 1]
model = CatBoostClassifier(learning_rate=0.03)
model.fit(train_data,
train_labels,
verbose=False,
plot=T
浏览 38提问于2019-11-24得票数 3
回答已采纳
我很兴奋地得知，CatBoost可以自己处理分类特性。我的特征之一，部门ID，是绝对的。但是，它看起来像数字，因为值是1001,1002，.，1218。这些号码只是部门的ID。它绝不具有数字或序号的意义。我如何告诉CatBoost将其视为绝对(名词)，而不是数字？
谢谢。
浏览 0提问于2022-03-15得票数 2
回答已采纳
2回答
我正在处理catboost模型的校准曲线。 cat=CatBoostClassifier() calib=CalibratedClassifierCV(base_estimator=cat，方法=‘sigmoid’，cv=2) calib.fit(XX，yy，cat_features=??) 如何在校准分类器的拟合中处理分类变量？ 谢谢:)
浏览 48提问于2019-12-23得票数 0
1回答
我使用SMOTENC对不平衡的数据集进行过采样。
我认为SMOTENC的目的是给出对分类特性进行过度采样的选项-- without一个热编码它们。我不想使用一个热编码的原因是为了避免维度的诅咒，让CatBoost通过使用池级定义分类特征来处理分类特征。
但是，当试图使用SMOTENC进行过度采样时，我仍然会得到以下错误：
could not convert string to float
首先，我对我的数字和分类特征进行了一些预处理。
预处理
numerical_transformer = Pipeline(
steps=[
(
浏览 0提问于2023-02-17得票数 0
我正在使用一个具有大量分类特征(>80%)的数据集来预测一个连续的目标变量(即回归)。我读了很多关于处理分类特性的方法的文章。并了解到，我在过去使用过的一种热编码确实是个坏主意，特别是当涉及到许多级别的分类特性时(请阅读这些帖子和这)。
虽然我遇到了像基于目标的编码(平滑)这样的分类特征的方法，但通常是基于每个特征的目标值的平均值，也许这个post/内核在Kaggle中。尽管如此，我仍在努力寻找一种更具体的方法，直到我找到了CatBoost，这是一种开源梯度，它增强了Yandex集团去年发布的决策树。它们似乎为分类特征提供了额外的统计计数选项，可能比简单的一次热编码或平滑更有效。
问题是
浏览 0提问于2018-01-24得票数 12
回答已采纳
1回答
我正在尝试将CatBoost应用于我的一个列，以获取分类功能，但得到以下错误： CatBoostError: Invalid type for cat_feature[non-default value idx=0,feature_idx=2]=68892500.0 : cat_features must be integer or string, real number values and NaN values should be converted to string. 我可以使用one-hot编码，但这里的许多人说CatBoost似乎更好地处理这一点，并且不太容易过度拟合模型。 我的
浏览 324提问于2021-04-13得票数 0
回答已采纳
当我试图运行一个CatBoost算法时，我会得到这个错误。它是参数之一，所以我不明白为什么当我注释掉early_stopping_rounds时会发生这个错误，我得到了cat_features参数的相同错误
from catboost import CatBoostClassifier
categorical_indexes = np.where(X.dtypes == 'object')[0]
X.drop(["id"], axis = 1, inplace = True)
params = {'loss_function':'Lo
浏览 0提问于2019-11-06得票数 5
回答已采纳
catboost版本: 0.16
当尝试使用scikit learn的CalibratedClassifierCV校准类别概率估计时，在二分类问题中，对于负目标，我得到的全部是1，对于正目标，我得到的是0。如果我单独使用CatBoostClassifier，我会得到正常的外观概率。这让我相信这个分类器与校准技术不兼容。有没有办法解决这个问题？复制：
from catboost import CatBoostClassifier
from sklearn.calibration import CalibratedClassifierCV
from sklearn.datasets import
浏览 44提问于2019-10-25得票数 0
上下文:我试图使用具有如下参数的字典来使用catboost分类器：
from catboost import CatBoostClassifier
model_params_grid_search = {
naive_bayes.MultinomialNB(): {
'param_grid': {
'alpha': [0.01, 0.1, 0.5, 1.0, 10.0], }
},
linear_model.LogisticRegression(): {
'param_gri
浏览 8提问于2022-08-01得票数 0
我正在使用catboost来解决多类分类问题。我想使用二次加权kappa作为评价指标。
Catboost已经将WKappa作为eval_metric，但它是线性加权变量，而不是二次变量。
clf = CatBoostClassifier(objective='MultiClass',
eval_metric=q_weighted_kappa(),
learning_rate=0.01,
n_estimators=750,
od_type="Iter",
depth=35,
early_stopping_rounds=500,
random_seed=42,
)
浏览 0提问于2019-11-07得票数 0
1回答
我已经在我的机器中构建了一个模型，并希望在amazon中部署该模型(catboost分类器)。无法获得模型的端点。寻找获得终点的代码/进程。我尝试过使用deploy函数，但是它没有给出端点，消息是部署函数不存在于catBost分类器()
浏览 3提问于2022-09-15得票数 0
我正在研究catboost分类器算法，并且在进行模型拟合时，我得到了这个错误，-module‘熊猫’没有属性‘稀疏类型’。请给我任何建议。
我使用的是Pandas版本- 0.23.4
浏览 4提问于2022-01-03得票数 0
1回答
在一个涉及分类算法比较的实验中，如何评估所分析的模型之间是否存在统计上的显着差异？例如，对以下模型进行了测试，得到了各自的准确率: CatBoost 79.32%；XGBoost 77.05%；SVM 76.77%；LightGBM 76.48%；RF 73.93%；KNN 70.25%。例如，我可以使用什么方法来验证CatBoost的选择而不是XGBoost？或者让他们知道KNN和SVM一样有用。
详细信息:所有模型的平等数据集；培训/测试(75/25)；所有模型的默认值；多类分类。
是否有任何方法可以证明选择上述方法之一是合理的？逃避琐碎的“选择最精确的那个”的东西。
是否可以采用某种假设
浏览 0提问于2023-01-27得票数 2
回答已采纳
我正在比较Catboost、XGBoost和LinearRegression在Pycaret中的性能。Catboost和XGBoost是未调的。
到目前为止，我发现Catboost和XGBoost都太合适了。
线性回归训练/测试分数为训练R2: 0.72，测试R2: 0.65。
是否有办法为XGBoost和Catboost设置一个“早期停止”，以避免这种过度适应？或者，是否还有其他参数可以调优，以避免过度拟合？
浏览 1提问于2020-11-26得票数 4
回答已采纳
2回答
我正在使用R中的catboost包设置网格搜索。遵循catboost文档()，可以使用R中的3个单独的命令执行超参数调优的网格搜索。
fit_control <- trainControl(method = "cv", number = 4, classProbs = TRUE)
grid <- expand.grid(depth = c(7,8,9,10), learning_rate = c(0.1,0.2,0.3,0.4), iterations = c(10,100,1000))
report <- train(df.scale, as.factor(
浏览 15提问于2020-03-31得票数 0
1回答
我正在研究一个数据科学回归问题，大约有9万列列在火车上，8500行在测试集中。有9个分类列，没有丢失数据。在这种情况下，我被应用了一个cat递推回归器，它给了我相当好的R2(98.51)和MAE (3.77)。其他节点LGBM，XGBOOST在catboost下执行。
现在，我想增加R2值，降低MAE，以获得更精确的结果。这也是我们的要求。
我多次通过添加“损耗_函数”：'MAE'，‘L2_叶子_reg’：3，‘随机强度’：4，‘套袋_温度’：0.5来调整不同的值，但性能是相同的。
有人能帮助我如何通过最小化MAE和MSE来提高R2值吗？
浏览 1提问于2021-03-02得票数 4
回答已采纳
1回答
我在R.下载catboost遇到了麻烦，请帮我解决这个问题，
> install.packages('catboost')
Installing package into ‘C:/Users/Rishabh Ojha/Documents/R/win-library/3.5’
(as ‘lib’ is unspecified)
Warning in install.packages :
package ‘catboost’ is not available (for R version 3.5.2)
我的版本如下：
> version
platform
浏览 0提问于2019-01-22得票数 0
回答已采纳
我想下载，但是我得到了一个错误:包CatBoost (它是RemixAutoML的依赖项)错误:无法访问存储库的索引
所以我尝试从'‘下载它，但是我得到了错误：
findpack中的错误( package，lib.loc)：没有名为“catboost”调用的包：-> findpack执行暂停错误:延迟加载包“catboost”*删除I.P(.)：(从警告中转换)包的FilePath错误具有非零退出状态。
该怎么办呢。
This is the code I ran
```{r}
#作为下载RemixAutoML指令的一部分的代码
to_install <- c(&#
浏览 0提问于2019-05-31得票数 0
我想对我的泰坦尼克号数据集执行CatBoost，该数据集主要由分类数据组成，并且有一个二进制目标。
我的数据看起来是：
train.head()
Embarked Pclass Sex Survived IsCabin Deck IsAlone IsChild Title AgeBin FareBin
0 S 3 male 0.0 0 Unknown 0 1 Mr Young Low
1 C 1 female 1.0 1 C 0 1 Mrs Adult High
2 S 3 fema
浏览 7提问于2019-10-06得票数 1
假设dataset存在多类问题，如下所示：
user_id price target
-------+--------+-----
1 30 apple
1 20 samsung
2 32 samsung
2 40 huawei
.
.
在我有很多用户的地方，比如一个热编码(OHE)是不可行的。像CatBoost这样的目标编码器在目标编码分类特征方面取得了很好的效果。问题是，我只能找到适用于二进制分类/回归的CatBoost/target编码器(这在某种程度上是有意义的)。
现在，我已
浏览 0提问于2022-07-25得票数 2
2回答
我是Python的新手，正在尝试准备一些数据来训练RandomForest。由于各种原因，我们希望数据是离散的，因此有一些连续变量需要离散化。我在pandas中发现了qcut，它似乎可以做我想做的事情--我可以设置一些存储箱，它会将变量离散到那么多的存储箱中，试图保持每个存储箱中的计数相等。 但是，pandas.qcut的输出是一个间隔列表，而RandomForest -learn中的scikit分类器需要一个字符串。我发现可以使用.astype(str)将间隔转换为字符串。下面是我正在做的一个快速示例： import pandas as pd
from random import samp
浏览 136提问于2019-08-26得票数 10
回答已采纳
1回答
我能够训练一个Catboost模型(在Rstudio中)，它工作得很好。
my_catboost <- caret::train(x, y,
method=catboost.caret,
trControl=fitControl,
tuneGrid = param,
metric = "ROC")
如果我使用该模型对同一会话中的新数据进行预测，没有问题，它可以：
output <- caret::predict.train(my_catboost,
浏览 1提问于2018-10-19得票数 2
回答已采纳
在最近开始使用ClearML来管理MLOps之后，我面临着以下问题:当运行一个脚本，使用计算机中不同的类权重在二进制分类问题中训练CatBoost时，它完美地工作，记录结果，完全没有问题。一旦我尝试使用ClearML代理远程运行该程序，它将导致以下错误：
<!-- language: lang-none -->
Traceback (most recent call last):
File "/root/.clearml/venvs-builds/3.9/lib/python3.9/site-packages/clearml/binding/frameworks/cat
浏览 10提问于2022-08-08得票数 1
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
实时音视频
对象存储
即时通信 IM活动推荐
腾讯云开发者
