ScholarGate
دستیار
Machine learningMachine learning

CatBoost منظم‌شده

CatBoost منظم‌شده کنترل‌های منظم‌سازی صریح — منظم‌سازی برگ L2، محدودیت‌های عمق درخت، نرخ کوچک‌سازی، و جریمه‌های اندازه مدل — را علاوه بر چارچوب تقویت گرادیان مرتب‌شده CatBoost اعمال می‌کند و در عین حال که با ویژگی‌های دسته‌ای به صورت بومی برخورد می‌کند و تأخیر پیش‌بینی پایینی در مجموعه داده‌های جدولی دارد، از بیش‌برازش می‌کاهد.

باز کردن در MethodMindبه‌زودیویدیوبه‌زودیDownload slides

مطالعهٔ کامل روش

ویژهٔ اعضا

برای خواندن این بخش با حساب رایگان وارد شوید.

ورود

Method map

The neighbourhood of related methods — select a node to explore.

منابع

  1. 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
  2. Dorogush, A. V., Ershov, V., & Gulin, A. (2018). CatBoost: gradient boosting with categorical features support. arXiv preprint arXiv:1810.11363. link

نحوهٔ استناد به این صفحه

ScholarGate. (2026, June 3). Regularized CatBoost (Categorical Boosting with Explicit Regularization). ScholarGate. https://scholargate.app/fa/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.

Compare side by side
ScholarGateRegularized CatBoost (Regularized CatBoost (Categorical Boosting with Explicit Regularization)). بازیابی‌شده در 2026-06-15 از https://scholargate.app/fa/machine-learning/regularized-catboost · مجموعه‌داده: https://doi.org/10.5281/zenodo.20539026