机器学习：CatBoost简介( 九 )_CatBoost基于梯度增强

CatBoost以与其他树算法相同的方式处理数字特征。我们根据信息增益选择最佳拆分。

各种情况下的CatBoost:

对CatBoost来说，超参数调优并不是真正重要的。最重要的是根据我们正在解决的问题设置正确的参数。

在现实世界中，有很多情况下数据会随着时间而变化。通过设置参数has_time = True CatBoost可以在这些情况下很好地执行。

CatBoost是唯一具有非常少的预测时间的增强算法。由于其对称的树形结构。在预测时，它比XGBoost 快8倍。

在某些情况下，我们需要对某些数据点给予更多的重视。特别是当您进行时间训练-测试分割时，您需要模型主要针对早期数据点进行训练。当你赋予一个数据点更多权重时，它在随机排列中被选中的几率就会更高。