CatBoost
CatBoost on algoritm, mis põhineb gradienttugevdamisel (gradient boosting) ja mille Yandexi teadlased Prokhorenkova ja kolleegid 2018. aastal esitlesid. See käsitleb kategoorilisi muutujad natiivselt ja kasutab järjestatud sihtkodeerimist (ordered target encoding), et vältida tunnuse lekkimist. Liites järjestikku puude ansambleid ja igal iteratsioonil andmete järjekorda permuteerides, on see sageli parem kui XGBoost ja LightGBM kategooriarohketel andmetel.
Loe meetodi täielikku kirjeldust
Selle osa lugemiseks logi sisse tasuta kontoga.
Method map
The neighbourhood of related methods — select a node to explore.
+1 more
Allikad
- 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 ↗
Kuidas sellele lehele viidata
ScholarGate. (2026, June 1). CatBoost (Categorical Boosting). ScholarGate. https://scholargate.app/et/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.
- AdaBoostMasinõpe↔ compare
- OtsustuspuuMasinõpe↔ compare
- Logistiline regressioonUurimisstatistika↔ compare
- Juhuslik metsMasinõpe↔ compare
- XGBoostMasinõpe↔ compare
Sellele viitavad
Märkasid sellel lehel viga? Teata sellest või paku parandust →