catboost -Download - catboost Quellcode herunterladen

catboost

Python

1.2.7

Herunterladen

Website | Dokumentation | Tutorials | Installation | Versionshinweise

CatBoost ist eine maschinelle Lernmethode, die auf Gradient Boosting über Entscheidungsbäumen basiert.

Hauptvorteile von CatBoost:

Überlegene Qualität im Vergleich zu anderen GBDT-Bibliotheken bei vielen Datensätzen.
Klassenbeste Vorhersagegeschwindigkeit.
Unterstützung sowohl für numerische als auch für kategoriale Merkmale.
Schnelle GPU- und Multi-GPU-Unterstützung für sofort einsatzbereites Training.
Visualisierungstools enthalten.
Schnelles und reproduzierbares verteiltes Training mit Apache Spark und CLI.

Erste Schritte und Dokumentation

Die gesamte CatBoost-Dokumentation ist hier verfügbar.

Installieren Sie CatBoost, indem Sie der Anleitung folgen

Python-Paket
R-Paket
Befehlszeile
Paket für Apache Spark

Als nächstes möchten Sie vielleicht Folgendes untersuchen:

Tutorials
Trainingsmodi und Metriken
Kreuzvalidierung
Parameteroptimierung
Berechnung der Feature-Wichtigkeit
Regelmäßige und inszenierte Vorhersagen
CatBoost für Apache Spark-Videos: Einführung und Architektur

Wenn Sie die Dokumentation nicht in Ihrem Browser öffnen können, versuchen Sie, yastatic.net und yastat.net zur Liste der zulässigen Domänen in Ihrem Datenschutz-Badge hinzuzufügen.

Catboost-Modelle in Produktion

Wenn Sie das Catboost-Modell in Ihrer Anwendung evaluieren möchten, lesen Sie die Dokumentation zur Modell-API.

Fragen und Fehlerberichte

Um Fehler zu melden, verwenden Sie bitte die Seite catboost/bugreport.
Stellen Sie eine Frage auf Stack Overflow mit dem Catboost-Tag. Wir überwachen dies auf neue Fragen.
Lassen Sie sich umgehend in der Telegram-Gruppe oder im russischsprachigen Telegram-Chat beraten

Helfen Sie mit, CatBoost besser zu machen

Schauen Sie sich offene Probleme an und helfen Sie bei gesuchten Problemen, um zu sehen, was verbessert werden kann, oder öffnen Sie ein Problem, wenn Sie etwas möchten.
Fügen Sie Ihre Geschichten und Erfahrungen zu Awesome CatBoost hinzu.
Um zu CatBoost beizutragen, müssen Sie zunächst den CLA-Text lesen und Ihrer Pull-Anfrage hinzufügen, dass Sie den Bedingungen des CLA zustimmen. Weitere Informationen finden Sie unter CONTRIBUTING.md
Anweisungen für Mitwirkende finden Sie hier.

Nachricht

Aktuelle Nachrichten werden auf Twitter veröffentlicht.

Referenzpapier

Anna Veronika Dorogush, Andrey Gulin, Gleb Gusev, Nikita Kazeev, Liudmila Ostroumova Prokhorenkova, Aleksandr Vorobev „Bekämpfung von Vorurteilen mit dynamischer Verstärkung“. arXiv:1706.09516, 2017.

Anna Veronika Dorogush, Vasily Ershov, Andrey Gulin „CatBoost: Gradient Boosting mit Unterstützung kategorialer Funktionen“. Workshop zu ML-Systemen auf der NIPS 2017.