CatBoost
CatBoost হলো একটি গ্রেডিয়েন্ট বুস্টিং অ্যালগরিদম, যা ২০১৮ সালে ইয়ানডেক্সের প্রখোরেনকোভা (Prokhorenkova) এবং সহকর্মীরা চালু করেন। এটি ক্যাটাগরিক্যাল ভ্যারিয়েবলগুলিকে সরাসরি পরিচালনা করে এবং লেবেল লিকেজ এড়াতে অর্ডারড টার্গেট এনকোডিং ব্যবহার করে। প্রতিটি ইটারেশনে ডেটার ক্রম পরিবর্তন করে ট্রি-এর একটি অ্যাডিটিভ এনসেম্বল তৈরি করার মাধ্যমে, এটি ক্যাটাগরি-বহুল ডেটার ক্ষেত্রে প্রায়শই XGBoost এবং LightGBM-এর চেয়ে উন্নত ফলাফল দেয়।
পুরো পদ্ধতিটি পড়ুন
এই অংশটি পড়তে বিনামূল্যের অ্যাকাউন্ট দিয়ে সাইন ইন করুন।
Method map
The neighbourhood of related methods — select a node to explore.
+1 more
উৎস
- 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 ↗
এই পৃষ্ঠা কীভাবে উদ্ধৃত করবেন
ScholarGate. (2026, June 1). CatBoost (Categorical Boosting). ScholarGate. https://scholargate.app/bn/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.
- অ্যাডাবুস্টযন্ত্র শিখন↔ compare
- সিদ্ধান্ত বৃক্ষযন্ত্র শিখন↔ compare
- লজিস্টিক রিগ্রেশনগবেষণা পরিসংখ্যান↔ compare
- Random Forestযন্ত্র শিখন↔ compare
- XGBoostযন্ত্র শিখন↔ compare
যেখানে উদ্ধৃত
এই পৃষ্ঠায় কোনো ত্রুটি চোখে পড়েছে? জানান বা সংশোধনের প্রস্তাব দিন →