CatBoost
CatBoost هي خوارزمية تعزيز تدرجي (gradient boosting)، قدمها بروكهورينكوفا وزملاؤها في ياندكس عام 2018، والتي تتعامل مع المتغيرات الفئوية (categorical variables) بشكل أصلي وتستخدم ترميز الهدف المرتب (ordered target encoding) لتجنب تسرب التسمية (label leakage). من خلال بناء مجموعة تجميعية إضافية من الأشجار مع تبديل ترتيب البيانات في كل تكرار، غالبًا ما تكون متفوقة على XGBoost و LightGBM في البيانات الغنية بالفئات.
اقرأ الطريقة كاملة
سجّل الدخول بحساب مجاني لقراءة هذا القسم.
Method map
The neighbourhood of related methods — select a node to explore.
+1 more
المصادر
- Prokhorenkova, L., Gusev, G., Vorobev, A., Dorogush, A.V. & Gulin, A. (2018). CatBoost: Unbiased Boosting with Categorical Features. In NeurIPS 2018. DOI: 10.48550/arXiv.1706.09516 ↗
كيف تستشهد بهذه الصفحة
ScholarGate. (2026, June 1). CatBoost (Categorical Boosting). ScholarGate. https://scholargate.app/ar/machine-learning/catboost
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- AdaBoostتعلم الآلة↔ compare
- شجرة القرار (Decision Tree)تعلم الآلة↔ compare
- الانحدار اللوجستيإحصاء البحث↔ compare
- الغابات العشوائيةتعلم الآلة↔ compare
- XGBoostتعلم الآلة↔ compare