Machine learning
CatBoost
CatBoostは、2018年にYandexのProkhorenkovaらが発表した勾配ブースティングアルゴリズムであり、カテゴリ変数をネイティブに扱い、ラベルリークを避けるために順序付きターゲットエンコーディングを使用します。各イテレーションでデータ順序を並べ替えながら、ツリーの加法的アンサンブルを構築することで、カテゴリの多いデータにおいてXGBoostやLightGBMよりも優れていることが多いです。
手法の全文を読む
会員限定
ログイン無料アカウントでログインすると、このセクションを読めます。
Method map
The neighbourhood of related methods — select a node to explore.
+1 more
出典
- 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 ↗
このページの引用方法
ScholarGate. (2026, June 1). CatBoost (Categorical Boosting). ScholarGate. https://scholargate.app/ja/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.
- AdaBoost機械学習↔ compare
- 決定木機械学習↔ compare
- ロジスティック回帰研究統計↔ compare
- ランダムフォレスト機械学習↔ compare
- XGBoost機械学習↔ compare