数据特征工程 | Python实现CatBoost特征处理及选择

• • 数据特征工程 | Python实现CatBoost特征处理及选择
  • • 基本介绍
    • 模型原理
    • 程序设计
    • • 关键特性
      • 基本使用
    • 案例分析

CatBoost（categorical boosting）是一种能够很好地处理类别型特征的梯度提升算法库。本文中，我们对 CatBoost 基本原理及应用实例做个详细介绍。后面小猴子还将针对其中几个重要特性做专门介绍，如 CatBoost 对类别型特征处理、特征选择、文本特征处理、超参数调整以及多标签目标处理，看完记得点个赞支持下！

要理解 boosting，我们首先理解集成学习，为了获得更好的预测性能，集成学习结合多个模型（弱学习器）的预测结果。它的策略就是大力出奇迹，因为弱学习器的有效组合可以生成更准确和更鲁棒的模型。集成学习方法分为三大类：

• Bagging：该技术使用随机数据子集并行构建不