Regularized CatBoost
Regularized CatBoost ใช้การควบคุมการทำให้เป็นปกติอย่างชัดแจ้ง — การทำให้เป็นปกติของใบไม้แบบ L2, การจำกัดความลึกของต้นไม้, อัตราการหดตัว, และการลงโทษขนาดของโมเดล — เสริมบนเฟรมเวิร์กการเพิ่มลำดับขั้นของ CatBoost เพื่อลดการเรียนรู้เกินจริง (overfitting) ในขณะที่ยังคงการจัดการคุณลักษณะเชิงหมวดหมู่ (categorical features) โดยธรรมชาติของ CatBoost และความหน่วงในการทำนายที่ต่ำบนชุดข้อมูลแบบตาราง
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- 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 ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Regularized CatBoost (Categorical Boosting with Explicit Regularization). ScholarGate. https://scholargate.app/th/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.
- CatBoostการเรียนรู้ของเครื่อง↔ compare
- การเสริมกำลังไล่ระดับการเรียนรู้ของเครื่อง↔ compare
- การเพิ่มกำลังไล่ระดับแบบปรับให้เหมาะสมการเรียนรู้ของเครื่อง↔ compare
- LightGBM แบบ Regularizedการเรียนรู้ของเครื่อง↔ compare
- XGBoostการเรียนรู้ของเครื่อง↔ compare