CatBoost
CatBoost là một thuật toán gradient boosting, được giới thiệu bởi Prokhorenkova và các đồng nghiệp tại Yandex vào năm 2018, xử lý các biến phân loại một cách tự nhiên và sử dụng mã hóa mục tiêu có thứ tự để tránh rò rỉ nhãn. Bằng cách xây dựng một tập hợp cây cộng dồn trong khi hoán vị thứ tự dữ liệu ở mỗi vòng lặp, nó thường vượt trội hơn XGBoost và LightGBM trên dữ liệu có nhiều biến phân loại.
Đọc toàn bộ phương pháp
Đăng nhập bằng tài khoản miễn phí để đọc phần này.
Method map
The neighbourhood of related methods — select a node to explore.
+1 more
Nguồn tài liệu
- 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 ↗
Cách trích dẫn trang này
ScholarGate. (2026, June 1). CatBoost (Categorical Boosting). ScholarGate. https://scholargate.app/vi/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.
- AdaBoostHọc máy↔ compare
- Cây Quyết địnhHọc máy↔ compare
- Hồi quy LogisticThống kê nghiên cứu↔ compare
- Rừng ngẫu nhiênHọc máy↔ compare
- XGBoostHọc máy↔ compare
Được tham chiếu bởi
Phát hiện lỗi trên trang này? Báo cáo hoặc đề xuất chỉnh sửa →