CatBoost
CatBoost एक ग्रेडिएंट बूस्टिंग एल्गोरिथम है, जिसे 2018 में यांडेक्स के प्रोखोरेंकोवा और सहयोगियों द्वारा प्रस्तुत किया गया था, जो श्रेणीगत चर (categorical variables) को स्वाभाविक रूप से संभालता है और लेबल रिसाव (label leakage) से बचने के लिए क्रमित लक्ष्य एन्कोडिंग (ordered target encoding) का उपयोग करता है। प्रत्येक पुनरावृति (iteration) में डेटा क्रम को क्रमपरिवर्तित (permuting) करते हुए वृक्षों (trees) का एक योगात्मक समूह (additive ensemble) बनाकर, यह श्रेणी-भारी डेटा पर अक्सर XGBoost और LightGBM से बेहतर होता है।
पूरी विधि पढ़ें
यह खंड पढ़ने के लिए निःशुल्क खाते से साइन इन करें।
Method map
The neighbourhood of related methods — select a node to explore.
+1 more
स्रोत
- 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 ↗
इस पृष्ठ का उद्धरण कैसे दें
ScholarGate. (2026, June 1). CatBoost (Categorical Boosting). ScholarGate. https://scholargate.app/hi/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.
- AdaBoostमशीन अधिगम↔ compare
- निर्णय वृक्षमशीन अधिगम↔ compare
- लॉजिस्टिक रिग्रेशनअनुसंधान सांख्यिकी↔ compare
- रैंडम फ़ॉरेस्टमशीन अधिगम↔ compare
- XGBoostमशीन अधिगम↔ compare