catboost 다운로드 - catboost 소스 코드 다운로드

catboost

파이썬

1.2.7

다운로드

웹사이트 | 문서 | 튜토리얼 | 설치 | 릴리스 노트

CatBoost는 의사결정 트리에 대한 그래디언트 부스팅을 기반으로 하는 기계 학습 방법입니다.

CatBoost의 주요 장점:

많은 데이터 세트의 다른 GBDT 라이브러리와 비교할 때 품질이 우수합니다.
동급 최고의 예측 속도.
숫자 및 범주형 기능을 모두 지원합니다.
즉시 사용 가능한 훈련을 위한 빠른 GPU 및 다중 GPU 지원.
시각화 도구가 포함되어 있습니다.
Apache Spark 및 CLI를 사용한 빠르고 재현 가능한 분산 교육입니다.

시작 및 문서화

모든 CatBoost 문서는 여기에서 확인할 수 있습니다.

가이드에 따라 CatBoost를 설치하십시오.

파이썬 패키지
R-패키지
명령줄
Apache Spark용 패키지

다음으로 조사해 볼 수 있는 사항은 다음과 같습니다.

튜토리얼
훈련 모드 및 측정항목
교차 검증
매개변수 조정
기능 중요도 계산
정규 및 단계적 예측
Apache Spark용 CatBoost 동영상: 소개 및 아키텍처

브라우저에서 문서를 열 수 없는 경우 개인정보 오소리의 허용된 도메인 목록에 yastatic.net 및 yastat.net을 추가해 보세요.

생산 중인 Catboost 모델

애플리케이션에서 Catboost 모델을 평가하려면 모델 API 문서를 읽어보세요.

질문 및 버그 보고서

버그를 보고하려면 catboost/bugreport 페이지를 사용하세요.
Catboost 태그를 사용하여 Stack Overflow에 질문을 하면 새로운 질문이 있는지 모니터링합니다.
텔레그램 그룹이나 러시아어를 사용하는 텔레그램 채팅에서 즉각적인 조언을 구하세요.

CatBoost를 개선하는 데 도움

열려 있는 문제를 확인하고 원하는 문제에 도움을 주어 개선할 수 있는 부분을 확인하거나 원하는 것이 있으면 문제를 열어보세요.
Awesome CatBoost에 여러분의 이야기와 경험을 추가하세요.
CatBoost에 기여하려면 먼저 CLA 텍스트를 읽고 끌어오기 요청에 CLA 약관에 동의한다는 내용을 추가해야 합니다. 자세한 내용은 CONTRIBUTING.md에서 확인할 수 있습니다.
기여자를 위한 지침은 여기에서 확인할 수 있습니다.

소식

최신 뉴스는 트위터에 게재됩니다.

참고 논문

Anna Veronika Dorogush, Andrey Gulin, Gleb Gusev, Nikita Kazeev, Liudmila Ostroumova Prokhorenkova, Aleksandr Vorobev "동적 부스팅으로 편견과 싸우기". arXiv:1706.09516, 2017.

Anna Veronika Dorogush, Vasily Ershov, Andrey Gulin "CatBoost: 범주형 기능 지원을 통한 그래디언트 부스팅". NIPS 2017에서 ML 시스템에 관한 워크샵.