As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá.
Como CatBoost funciona
CatBoost implementa um algoritmo convencional Gradient Boosting Decision Tree (GBDT) com a adição de dois avanços algorítmicos críticos:
A implementação do aumento ordenado, uma alternativa baseada em permutação ao algoritmo clássico
Um algoritmo inovador para processar recursos categóricos
Ambas as técnicas foram criadas para combater uma mudança de previsão causada por um tipo especial de vazamento de alvo presente em todas as implementações atualmente existentes de algoritmos de aumento de gradiente.
O CatBoost algoritmo tem um bom desempenho em competições de aprendizado de máquina devido ao gerenciamento robusto de uma variedade de tipos de dados, relacionamentos, distribuições e à diversidade de hiperparâmetros que você pode ajustar. Você pode usar CatBoost para problemas de regressão, classificação (binária e multiclasse) e classificação.
Para obter mais informações sobre aumento de gradiente, consulte Como o SageMaker XGBoost algoritmo funciona. Para obter detalhes detalhados sobre os adicionais GOSS e EFB as técnicas usadas no CatBoost método, consulte CatBoost: aumento imparcial
