catboost

網站 |文檔 |教程 |安裝|發行說明

CatBoost 是一種基於決策樹梯度提升的機器學習方法。

CatBoost的主要優點：

• 與許多資料集上的其他 GBDT 庫相比，具有卓越的品質。
• 同類最佳的預測速度。
• 支援數字和分類特徵。
• 快速 GPU 和多 GPU 支援開箱即用的訓練。
• 包括可視化工具。
• 使用 Apache Spark 和 CLI 進行快速且可重複的分散式訓練。

入門和文檔

所有 CatBoost 文件均可在此處取得。

請按照以下指南安裝 CatBoost

• Python是
• R-包
• 命令列
• Apache Spark 包

接下來您可能想要調查：

• 教學
• 訓練模式和指標
• 交叉驗證
• 參數調整
• 特徵重要性計算
• 定期和階段性預測
• CatBoost for Apache Spark 影片：簡介與架構

如果您無法在瀏覽器中開啟文檔，請嘗試將 yastatic.net 和 yastat.net 新增至您的隱私獾中允許的網域清單。

生產中的 Catboost 型號

如果您想在應用程式中評估 Catboost 模型，請閱讀模型 api 文件。

問題和錯誤報告

• 若要回報錯誤，請使用 catboost/bugreport 頁面。
• 使用 catboost 標籤在 Stack Overflow 上提問，我們會監控是否有新問題。
• 在 Telegram 群組或俄語 Telegram 聊天中尋求及時建議

幫助 CatBoost 變得更好

• 查看未解決的問題並幫助想要的問題以了解可以改進的地方，或者如果您想要某些東西，可以打開一個問題。
• 將您的故事和經驗添加到 Awesome CatBoost。
• 要為 CatBoost 做出貢獻，您需要先閱讀 CLA 文字並將其新增至您的拉取請求中，以表示您同意 CLA 的條款。更多資訊可以在 CONTRIBUTING.md 中找到
• 可以在此處找到貢獻者的說明。

訊息

最新消息發佈在 Twitter 上。

參考論文

Anna Veronika Dorogush、Andrey Gulin、Gleb Gusev、Nikita Kazeev、Liudmila Ostroumova Prokhorenkova、Aleksandr Vorobev 「透過動態提升對抗偏見」。 arXiv：1706.09516，2017。

Anna Veronika Dorogush、Vasily Ershov、Andrey Gulin「CatBoost：具有分類特徵支援的梯度提升」。 NIPS 2017 上的機器學習系統研討會。

執照

© YANDEX LLC，2017-2024。根據 Apache 授權 2.0 版授權。有關更多詳細信息，請參閱許可證文件。