CatBoost
CatBoost é um algoritmo de gradient boosting, introduzido por Prokhorenkova e colegas do Yandex em 2018, que lida nativamente com variáveis categóricas e utiliza codificação de destino ordenada para evitar vazamento de rótulos. Ao construir um ensemble aditivo de árvores, permutando a ordem dos dados a cada iteração, ele é frequentemente superior ao XGBoost e LightGBM em dados com muitas categorias.
Leia o método completo
Entre com uma conta gratuita para ler esta seção.
Method map
The neighbourhood of related methods — select a node to explore.
+1 more
Fontes
- 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 ↗
Como citar esta página
ScholarGate. (2026, June 1). CatBoost (Categorical Boosting). ScholarGate. https://scholargate.app/pt/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.
- AdaBoostAprendizado de máquina↔ compare
- Árvore de DecisãoAprendizado de máquina↔ compare
- Regressão LogísticaEstatística para pesquisa↔ compare
- Random ForestAprendizado de máquina↔ compare
- XGBoostAprendizado de máquina↔ compare
Referenciado por
Encontrou um problema nesta página? Relate ou sugira uma correção →