CatBoost
CatBoost është një algoritëm i përforcimit të gradientit, prezantuar nga Prokhorenkova dhe kolegët e saj në Yandex në vitin 2018, që trajton variablat kategorike nativisht dhe përdor kodimin e targetit të renditur për të shmangur rrjedhjen e etiketës. Duke ndërtuar një ansambël aditiv pemësh ndërsa përzien rendin e të dhënave në çdo iteracion, shpesh është superior ndaj XGBoost dhe LightGBM në të dhënat me shumë kategori.
Lexoni metodën e plotë
Hyni me një llogari falas për ta lexuar këtë seksion.
Method map
The neighbourhood of related methods — select a node to explore.
+1 more
Burimet
- 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 ↗
Si ta citoni këtë faqe
ScholarGate. (2026, June 1). CatBoost (Categorical Boosting). ScholarGate. https://scholargate.app/sq/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.
- AdaBoostMësimi i makinës↔ compare
- Pemët e vendimmarrjesMësimi i makinës↔ compare
- Regresioni logjistikStatistika e hulumtimit↔ compare
- Pylli i RastësishëmMësimi i makinës↔ compare
- XGBoostMësimi i makinës↔ compare
Cituar nga
Vutë re një problem në këtë faqe? Raportojeni ose sugjeroni një korrigjim →