前言

今天博主來介紹一個超級簡單并且又極其實用的boosting算法包Catboost，據開發者所說這一boosting算法是超越Lightgbm和XGBoost的又一個神器。

catboost 簡介

在博主看來catboost有一下三個的優點：

• 它自動采用特殊的方式處理類別型特征（categorical features）。首先對categorical features做一些統計，計算某個類別特征（category）出現的頻率，之后加上超參數，生成新的數值型特征（numerical features）。這也是我在這里介紹這個算法最大的motivtion，有了catboost，再也不用手動處理類別型特征了。
• catboost還使用了組合類別特征，可以利用到特征之間的聯系，這極大的豐富了特征維度。
• catboost的基模型采用的是對稱樹，同時計算leaf-value方式和傳統的boosting算法也不一樣，傳統的boosting算法計算的是平均數，而catboost在這方面做了優化采用了其他的算法，這些改進都能防止模型過擬合。

 

catboost 實戰

這里博主采用的是之前參加一個CTR點擊率預估的數據集，首先通過pandas讀入數據。

 

from catboost import CatBoostClassifier import pandas as pd from sklearn.model_selection import train_test_split i

總結

以上是生活随笔為你收集整理的深度学习核心技术精讲100篇（九）-Catboost算法原理解析及代码实现的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。