CatBoost

释义 Definition

CatBoost 是一种基于梯度提升（Gradient Boosting）的机器学习算法与开源库，特别擅长处理包含类别特征（categorical features）的数据，常用于分类与回归任务（也可用于排序等）。它由 Yandex 推出，常见实现支持与 scikit-learn 类似的接口。

发音 Pronunciation (IPA)

/ˈkætbuːst/

例句 Examples

I trained a CatBoost model to predict customer churn.
我训练了一个 CatBoost 模型来预测客户流失。

Because the dataset has many categorical columns, CatBoost can handle them with less preprocessing and often achieves strong performance.
由于数据集中有很多类别型列，CatBoost 往往能用更少的预处理来处理它们，并且常常取得很好的效果。

词源 Etymology

“CatBoost”常被解释为 CATegorical + Boost（类别特征 + 提升/Boosting）的合成名称，强调它对类别特征的友好支持；其中 “Boost”源于机器学习中的“提升法/Boosting”思想（通过组合多个弱模型形成更强模型）。

相关词 Related Words

• Boosting
• Gradient
• Xgboost
• Lightgbm
• Randomforest
• Classification
• Regression
• Feature
• Categorical

文学与著作中的用例 Literary / Notable Works

• “CatBoost: unbiased boosting with categorical features”（学术论文，介绍 CatBoost 及其处理类别特征的思路）
• Aurélien Géron, Hands-On Machine Learning with Scikit-Learn, Keras & TensorFlow（实战型机器学习著作中常将 CatBoost 作为梯度提升家族的重要工具提及）
• Sebastian Raschka 等, Machine Learning with PyTorch and Scikit-Learn（在对比多种树模型与提升方法的语境中常出现 CatBoost）