CatBoost 的 Pool.quantize() 会将数据序列化为二进制格式，直接用 cb.Pool('path') 加载会因协议不匹配报错；必须使用 quantized:// 前缀显式声明加载量化池。
catboost 的 `pool.quantize()` 会将数据序列化为二进制格式，直接用 `cb.pool('path')` 加载会因协议不匹配报错；必须使用 `quantized://` 前缀显式声明加载量化池。
在使用 CatBoost 进行大规模训练时，为提升 I/O 效率和内存利用率，常通过 Pool.quantize() 对原始数据进行量化压缩并持久化到磁盘。但需特别注意：量化后的 Pool 不是普通文件，而是一种专有二进制格式。若忽略其协议语义，直接以路径字符串构造新 Pool 实例（如 cb.Pool('cbpool')），CatBoost 会默认按文本格式（如 CSV）尝试解析，从而触发 RFC4180 解析错误——即使文件本身并非 CSV。
✅ 正确做法是：使用 quantized:// 协议前缀显式告知 CatBoost 加载量化二进制池。该前缀是 CatBoost 内置的 URI 方案，仅用于标识经 quantize() 生成的 .bin 类型池文件（实际保存时无扩展名，但内容为二进制）。
以下是完整、可运行的修复示例：
import catboost as cb
import pandas as pd
import numpy as np
# 构造示例数据
data = {
'label': np.random.randint(0, 5, 100),
'feature1': np.random.randn(100),
'feature2': np.random.randn(100),
'feature3': np.random.randn(100),
'feature4': np.random.randn(100),
'feature5': np.random.randn(100),
'feature6': np.random.randn(100),
'feature7': np.random.randn(100),
'feature8': np.random.randn(100),
'feature9': np.random.randn(100),
}
train = pd.DataFrame(data)
factors = train.columns.drop('label').tolist() # 更安全地提取特征列
# 创建并量化 Pool
pool = cb.Pool(data=train[factors], label=train['label'])
pool.quantize()
pool.save('cbpool') # 保存为二进制格式（无 .bin 后缀，但内容非文本）
# ✅ 正确加载：必须添加 quantized:// 前缀
pool2 = cb.Pool('quantized://cbpool')
# 验证加载结果
print("Number of features:", pool2.num_col()) # 应输出 9
print("Number of samples:", pool2.num_row()) # 应输出 100
print("Is quantized:", pool2.is_quantized()) # 应输出 True
⚠️ 注意事项：
-
quantized://是强制要求，不可省略或替换为file://、./等； - 路径支持相对路径与绝对路径，但需确保文件存在且有读取权限；
- 量化池不兼容跨版本加载：CatBoost 1.2+ 保存的量化池可能无法被 1.1.x 版本读取，建议训练与推理环境版本一致；
- 若需跨平台或长期存档，建议同时保存原始数据结构（如
train.to_parquet()）及量化参数（quantization_params），便于重建； -
Pool.quantize()默认使用 8-bit 量化，如需更高精度，可通过border_count或ctr_border_count参数调整（详见官方文档）。
掌握这一协议约定，即可安全复用量化池，显著加速模型迭代中的数据准备阶段。
