本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。

# CatBoost
<a name="catboost"></a>

[CatBoost](https://catboost.ai/)是梯度提升决策树 (GBDT) 算法的一种流行且高性能的开源实现。GBDT 是一种有监督学习算法，它尝试将一组较简单且较弱模型的一系列估计值结合在一起，从而准确地预测目标变量。

CatBoost 为 GBDT 引入了两项关键的算法改进：

1. 实施了有序提升，这是对经典算法的以排列驱动的替代方案

1. 用于处理分类特征的创新算法

这两种技术都是为了对抗由一种特殊目标泄漏所引起的预测偏移，这种偏移存在于梯度提升算法的所有现有实施中。本页包含有关 Amazon EC2 实例推荐和示例笔记本的信息 CatBoost。

## 该 CatBoost 算法的 Amazon EC2 实例推荐
<a name="Instance-CatBoost"></a>

SageMaker 人工智能 CatBoost 目前仅使用训练 CPUs。 CatBoost 是一种内存绑定（而不是计算绑定）算法。因此，通用计算实例（例如 M5）是比计算优化型实例（例如 C5）更适合的选择。此外，我们建议您在选定的实例中有足够的总内存来保存训练数据。

## CatBoost 样本笔记本
<a name="catboost-sample-notebooks"></a>

 下表概述了各种示例笔记本，这些笔记本解决了 Amazon A SageMaker I CatBoost 算法的不同用例。


****  

| **笔记本标题** | **描述** | 
| --- | --- | 
| [使用 Amazon A SageMaker I LightGBM 和算法进行表格分类 CatBoost ](https://github.com/aws/amazon-sagemaker-examples/blob/main/introduction_to_amazon_algorithms/lightgbm_catboost_tabular/Amazon_Tabular_Classification_LightGBM_CatBoost.ipynb) | 本笔记本演示了如何使用 Amazon SageMaker AI CatBoost 算法来训练和托管表格分类模型。 | 
| [使用 Amazon A SageMaker I LightGBM 和算法进行表格回归 CatBoost ](https://github.com/aws/amazon-sagemaker-examples/blob/main/introduction_to_amazon_algorithms/lightgbm_catboost_tabular/Amazon_Tabular_Regression_LightGBM_CatBoost.ipynb) | 本笔记本演示了如何使用 Amazon SageMaker AI CatBoost 算法来训练和托管表格回归模型。 | 

有关如何创建和访问可用于在 SageMaker AI 中运行示例的 Jupyter 笔记本实例的说明，请参阅。[Amazon SageMaker 笔记本实例](nbi.md)创建并打开笔记本实例后，选择 “**SageMaker AI 示例**” 选项卡以查看所有 SageMaker AI 示例的列表。要打开笔记本，请选择其**使用**选项卡，然后选择**创建副本**。