如何在使用非对称树的CatBoost模型中访问CTR值？

一、先搞懂CatBoost的哈希逻辑 #

CatBoost对类别特征的哈希不是只算特征名称，而是把特征名称+特征值拼起来计算的，用的是MurmurHash3算法。注意区分大小写，数值型的类别值会先转成字符串再参与哈希计算，和训练时的处理完全一致。

二、手动匹配哈希和CTR的步骤 #

1. 从JSON里提取哈希-CTR映射
   打开导出的模型JSON文件，找到ctrValues字段（或类似存储CTR的节点），把里面的hashValue和对应的ctr值整理成字典，方便后续匹配。

2. 用CatBoost工具计算特征哈希
   不用重新训练模型，直接调用CatBoost Python API里的calc_feature_hash函数就能计算目标特征的哈希：

   from catboost import calc_feature_hash
   
   # 示例：特征名为"user_type"，特征值为"vip"
   target_hash = calc_feature_hash(
       feature_name="user_type",
       feature_value="vip",
       thread_count=1
   )
   

   要是特征值是数字（比如整数100），记得先转成字符串（比如str(100)），否则哈希值会对不上。

3. 哈希匹配获取CTR值
   把计算得到的哈希值和JSON里的哈希做匹配，直接就能拿到对应的CTR值。哈希冲突概率极低，基本无需额外验证。

三、非对称树模型的注意点 #

你的模型是非对称树，JSON里的CTR存储结构可能和对称树略有不同，但哈希计算逻辑完全一致。重点查看treeStructure里的split节点，里面的ctrBorder对应的就是该分支用到的类别特征哈希，用上述方法计算特征值哈希即可对应上。

内容的提问来源于stack exchange，提问作者popstack