기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.
CatBoost는 기존의 GBDT(그라데이션 부스팅 의사 결정 트리) 알고리즘을 구현하여 다음과 같은 두 가지 중요한 알고리즘 개선 사항을 추가했습니다.
기존 알고리즘에 대한 순열 기반 대안인 순서가 있는 부스팅 구현
범주형 기능을 처리하기 위한 혁신적인 알고리즘
두 기법 모두 현재의 모든 기존 그라데이션 부스팅 알고리즘 구현에 존재하는 특수한 종류의 표적 누출로 인한 예측 변화를 막기 위해 개발되었습니다.
CatBoost 알고리즘은 다양한 데이터 형식, 관계, 분포 및 미세 조정할 수 있는 다양한 하이퍼파라미터를 강력하게 처리하기 때문에 기계 학습 경쟁에서 잘 작동합니다. 회귀, 분류(바이너리 및 멀티클래스) 및 순위 결정 관련 문제에 CatBoost를 사용할 수 있습니다.
그라데이션 부스팅에 대한 자세한 내용은 SageMaker AI XGBoost 알고리즘 작동 방식 섹션을 참조하세요. CatBoost 방법에 사용되는 추가 GOSS 및 EFB 기법에 대한 자세한 내용은 CatBoost: 범주형 기능을 사용한 편견 없는 부스팅
