机器学习 | 总结 CatBoost 的 5 个独特功能
【摘要】
CSDN 叶庭云:https://yetingyun.blog.csdn.net/
其他梯度提升算法(AdaBoost、、GBDT、XGBoost、LightGBM)不具备这些特点
目前主流的...
CSDN 叶庭云:https://yetingyun.blog.csdn.net/
其他梯度提升算法(AdaBoost、、GBDT、XGBoost、LightGBM)不具备这些特点
目前主流的 5 种梯度提升算法:AdaBoost、Gradient Boosting、XGBoost、LightGBM 和 CatBoost。
在这些算法中,CatBoost 之所以如此特别,是因为它具有其他提升算法所不具备的特殊功能。
一般来说,提升算法有两个主要缺点:
- 过度拟合很容易发生在提升算法中,因为它们是基于树的算法。
- 提升算法的训练过程不容易并行化,因为新的树是一个接一个按顺序创建的。
考虑到已有梯度提升算法的缺点,CatBoost 被设计用来以闪电般的速度为大型数据集建立更多的通用模型。它有内置的参数来抑制过拟合和进行并行学习,还有一些其他独特的功能!
CatBoost 同时支持 CPU 和 GPU,开箱即用(非常方便,而要配置 GPU 版本的 LightGBM 则有些麻烦,你如果配置过 LightGBM 的 GPU 版本就会深有体会开箱即用的好)。CatBoost 的 pip 和 conda 安装都为 CatBoost 提供了 GPU 支持。</
文章来源: yetingyun.blog.csdn.net,作者:叶庭云,版权归原作者所有,如需转载,请联系作者。
原文链接:yetingyun.blog.csdn.net/article/details/123100492
【版权声明】本文为华为云社区用户转载文章,如果您发现本社区中有涉嫌抄袭的内容,欢迎发送邮件进行举报,并提供相关证据,一经查实,本社区将立刻删除涉嫌侵权内容,举报邮箱:
cloudbbs@huaweicloud.com
- 点赞
- 收藏
- 关注作者
评论(0)