Machine learningMachine learning
正則化されたCatBoost
正則化されたCatBoostは、CatBoostの順序付き勾配ブースティングフレームワークの上に、明示的な正則化制御（L2葉正則化、ツリーの深さ制約、収縮率、モデルサイズペナルティ）を適用し、過学習を軽減しながら、CatBoost固有のカテゴリ特徴量の処理能力と表形式データセットにおける低い予測レイテンシを維持します。
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.
出典
- 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 ↗
- Dorogush, A. V., Ershov, V., & Gulin, A. (2018). CatBoost: gradient boosting with categorical features support. arXiv preprint arXiv:1810.11363. link ↗
このページの引用方法
ScholarGate. (2026, June 3). Regularized CatBoost (Categorical Boosting with Explicit Regularization). ScholarGate. https://scholargate.app/ja/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.
- CatBoost機械学習↔ compare
- 勾配ブースティング機械学習↔ compare
- 正則化勾配ブースティング機械学習↔ compare
- 正則化LightGBM機械学習↔ compare
- XGBoost機械学習↔ compare