CatBoost

CatBoost由俄罗斯搜索引擎Yandex于2017年提出，是一种基于梯度提升的机器学习算法。其核心技术包括：1）有序目标编码，自动将类别特征转换为数值特征，避免目标泄露；2）有序提升，在训练过程中使用排列来模拟未见数据，减少预测偏移；3）对称树结构，提高推理速度。CatBoost在多个Kaggle竞赛和工业应用中表现出色，尤其适合处理包含大量类别特征的数据集，如推荐系统、金融风控等。