arXiv (Cornell University)· 2018· Ön baskı
CatBoost: Kategorik Özellik Desteği ile Gradyan Artırma
CatBoost: gradient boosting with categorical features support
- 1.354atıf
- 2018yıl
Kısa özet
CatBoost, kategorik özelliklerle başarılı bir şekilde başa çıkan ve popüler veri kümelerindeki mevcut uygulamalardan daha iyi performans gösteren yeni bir açık kaynaklı gradyan artırma kütüphanesidir.
Yapay zekâ ile başlık ve abstract'tan üretildi; tam metin okunmaz.
Ana noktalar
- CatBoost, yeni bir açık kaynaklı gradyan artırma kütüphanesidir.
- Kategorik özelliklerle başarılı bir şekilde başa çıkar.
- Popüler veri kümelerinde mevcut halka açık gradyan artırma uygulamalarından daha iyi performans gösterir.
- Daha hızlı GPU öğrenme ve CPU puanlama uygulamaları içerir.
Yapay zekâ ile başlık ve abstract'tan üretildi; tam metin okunmaz.
Özet (abstract)
In this paper we present CatBoost, a new open-sourced gradient boosting library that successfully handles categorical features and outperforms existing publicly available implementations of gradient boosting in terms of quality on a set of popular publicly available datasets. The library has a GPU implementation of learning algorithm and a CPU implementation of scoring algorithm, which are significantly faster than other gradient boosting libraries on ensembles of similar sizes.
Yazarların özeti; kaynağından alınmıştır. arXiv (Cornell University), 2018 · DOI ↗
Ücretsiz hesapla devam et
Makaleye Sor ile bu makaleye günde 3 soru ücretsiz; makaleyi kaydet, kaynakçasını al, ilgi alanına göre her gün yeni özetler. Çıkarımlar Premium.
Web'de ücretsiz devam etGoogle ya da Apple hesabınla giriş; kart istemez. Bu makaleye geri dönersin.
Telefonda:
Alan: Sinyal İşleme
Signal ProcessingComputer Science