Regularized CatBoost (Categorical Boosting with Explicit Regularization)
CatBoost conține deja mecanisme încorporate de reducere a biasului, cum ar fi boosting-ul ordonat și creșterea simetrică a arborilor. Adăugarea regularizării explicite strânge și mai mult modelul: penalizările L2 împing ponderile frunzelor spre zero, limitând predicțiile extreme; micșorarea ratei de învățare forțează ansamblul să facă pași mici, conservatori; iar limitele de adâncime sau număr de frunze împiedică orice arbore individual să memoreze setul de date de antrenament. Rezultatul este un model care generalizează bine chiar și atunci când setul de date este relativ mic sau zgomotos și care evită scorurile de încredere prea mari pe care uneori le produc boosterii nerregularizați.
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.
Surse
- 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 ↗
Cum se citează această pagină
ScholarGate. (2026, June 3). Regularized CatBoost (Categorical Boosting with Explicit Regularization). ScholarGate. https://scholargate.app/ro/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.
- CatBoostÎnvățare automată↔ compare
- Gradient BoostingÎnvățare automată↔ compare
- Gradient Boosting RegularizatÎnvățare automată↔ compare
- LightGBM RegularizatÎnvățare automată↔ compare
- XGBoostÎnvățare automată↔ compare
Ai observat o problemă pe această pagină? Raportează sau sugerează o corectură →