Uregularyzowany CatBoost
Uregularyzowany CatBoost stosuje jawne mechanizmy regularyzacji — regularyzację L2 liści, ograniczenia głębokości drzew, współczynnik uczenia i kary za rozmiar modelu — na bazie ramowej metody gradientowego wzmacniania CatBoost, redukując nadmierne dopasowanie przy jednoczesnym zachowaniu natywnego sposobu obsługi cech kategorycznych przez CatBoost i jego niskiego opóźnienia predykcji na zbiorach danych tabelarycznych.
Przeczytaj pełny opis metody
Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.
Method map
The neighbourhood of related methods — select a node to explore.
Źródła
- 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 ↗
Jak cytować tę stronę
ScholarGate. (2026, June 3). Regularized CatBoost (Categorical Boosting with Explicit Regularization). ScholarGate. https://scholargate.app/pl/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.
- CatBoostUczenie maszynowe↔ compare
- Gradient BoostingUczenie maszynowe↔ compare
- Uregulowany gradientowy boostingUczenie maszynowe↔ compare
- Regularized LightGBMUczenie maszynowe↔ compare
- XGBoostUczenie maszynowe↔ compare
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →