Catboost面试题

文档摘要

Catboost面试题简单介绍Catboost？ CatBoost是一种以对称决策树为基学习器的GBDT框架，主要为例合理地处理类别型特征，CatBoost是由Categorical和Boosting组成。CatBoost还解决了梯度偏差以及预测偏移的问题，从而减少过拟合的发生，进而提高算法的准确性和泛化能力。相比于XGBoost、LightGBM，CatBoost的创新点有哪些？自动将类别型特征处理为数值型特征。 Catboost对类别特征进行组合，极大的丰富了特征维度。采用排序提升的方法对抗训练集中的噪声点，从而避免梯度估计的偏差，进而解决预测偏移的问题。采用了完全对称树作为基模型。 Catboost是如何处理类别特征的？