CatBoost
CatBoost este un algoritm de gradient boosting, introdus de Prokhorenkova și colaboratorii săi de la Yandex în 2018, care gestionează variabilele categorice nativ și utilizează codificarea țintă ordonată pentru a evita scurgerile de etichete (label leakage). Prin construirea unui ansamblu aditiv de arbori, permutând ordinea datelor la fiecare iterație, este adesea superior XGBoost și LightGBM pe date cu multe categorii.
Citește metoda completă
Autentifică-te cu un cont gratuit pentru a citi această secțiune.
Method map
The neighbourhood of related methods — select a node to explore.
+1 more
Surse
- 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 ↗
Cum se citează această pagină
ScholarGate. (2026, June 1). CatBoost (Categorical Boosting). ScholarGate. https://scholargate.app/ro/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.
- AdaBoostÎnvățare automată↔ compare
- Arbore de decizieÎnvățare automată↔ compare
- Regresia LogisticăStatistică pentru cercetare↔ compare
- Pădurea Aleatoare (Random Forest)Învățare automată↔ compare
- XGBoostÎnvățare automată↔ compare
Citat de
Ai observat o problemă pe această pagină? Raportează sau sugerează o corectură →