Регуляризиран CatBoost
Регуляризиран CatBoost прилага изрични контроли за регуляризация — L2 регуляризация на листата, ограничения на дълбочината на дървото, скорост на свиване и наказания за размера на модела — върху рамката на CatBoost за градиентно усилване, намалявайки свръхобучението, като същевременно запазва естествената обработка на категорийни признаци от CatBoost и ниското време за предсказване върху таблични набори от данни.
Прочетете целия метод
Влезте с безплатен профил, за да прочетете този раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Източници
- Prokhorenkova, L., Gusev, G., Vorobev, A., Dorogush, A. V., & Gulin, A. (2018). CatBoost: unbiased boosting with categorical features. Advances in Neural Information Processing Systems, 31. link ↗
- Dorogush, A. V., Ershov, V., & Gulin, A. (2018). CatBoost: gradient boosting with categorical features support. arXiv preprint arXiv:1810.11363. link ↗
Как да цитирате тази страница
ScholarGate. (2026, June 3). Regularized CatBoost (Categorical Boosting with Explicit Regularization). ScholarGate. https://scholargate.app/bg/machine-learning/regularized-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.
- CatBoostМашинно обучение↔ compare
- Градиентен бустингМашинно обучение↔ compare
- Регуляризирано градиентно усилванеМашинно обучение↔ compare
- Регуляризиран LightGBMМашинно обучение↔ compare
- XGBoostМашинно обучение↔ compare
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →