캣부스트

CatBoost
캣부스트
원본 작성자안드레이 굴린:[1] / 얀덱스
개발자얀덱스와 캣부스트 기부자들[2]
초기 출시2017년 7월 18일; 5년 전 (2017-07-18)[3][4]
안정적 방출
0.24.1[5] / 2022년 4월 7일; 12개월 전(2022-04-07)
작성 위치파이썬, R, C++, 자바
운영 체제Linux, macOS, Windows
유형기계 학습
면허증.Apache 라이센스 2.0
웹사이트캣부스트아이

CatBoost는[6] 얀덱스가 개발한 오픈 소스 소프트웨어 라이브러리입니다.그것은 다른 기능들 중에서 고전적인 [7]알고리듬과 비교하여 순열 기반 대안을 사용하여 범주형 기능에 대해 해결하려고 시도하는 그레이디언트 부스팅 프레임워크를 제공합니다.리눅스, 윈도우, macOS에서 작동하며 [8]Python, [9]R에서 사용할 수 있으며 catboost를 사용하여 구축된 모델은 C++, Java,[10] C#, Rust, Core ML, ONNX, PMML에서 예측에 사용할 수 있습니다. 소스 코드는 Apache 라이센스로 라이센스가 부여되며 [6]GithHub에서 사용할 수 있습니다.

InfoWorld 잡지는 2017년에 [11]TensorFlow, Pytorch, XGBoost 및 8개의 다른 라이브러리와 함께 라이브러리에 "최고의 기계 학습 도구"를 수여했습니다.

Kaggle은 CatBoost를 세계에서 가장 자주 사용되는 기계 학습(ML) 프레임워크 중 하나로 나열했습니다.2020년[12] 조사에서 가장 자주 사용되는 ML 프레임워크 상위 8위, 2021년 [13]조사에서 가장 자주 사용되는 ML 프레임워크 상위 7위에 이름을 올렸습니다.

2022년 4월 현재 CatBoost는 PyPI 저장소에서[14] 하루에 약 10만 번 설치됩니다.

특징들

CatBoost는 주로 다음 기능으로[15] 인해 다른 그레이디언트 부스팅 알고리즘과 비교하여 인기를 얻었습니다.

  • 범주형[16] 피쳐에 대한 기본 처리
  • 빠른 GPU[17] 교육
  • 모델 및 기능 분석을 위한 시각화 및 도구
  • 더 빠른 실행을 위해 망각 트리 또는 대칭 트리 사용
  • 과적합을[7] 극복하기 위해 주문된 부스팅

역사

2009년 Andrey Gulin은 Yandex에서 검색 결과의 순위를 매기는 데 사용되는 독점적인 그레이디언트 부스팅 라이브러리인 MatrixNet을 개발했습니다.2009년부터 MatrixNet은 Yandex의 다양한 프로젝트에서 권장 시스템 및 날씨 예측을 포함하여 사용되고 있습니다.

2014-2015년에 Andrey Gulin은 연구팀과 함께 "분류 데이터를 다루는 방법"의 문제를 해결하는 것을 목표로 하는 Tensornet이라는 새로운 프로젝트를 시작했습니다.그 결과 범주형 데이터를 처리하는 다양한 접근 방식을 가진 여러 독점적인 그래디언트 부스팅 라이브러리가 생성되었습니다.

2016년 Anna Dorogush가 이끄는 기계 학습 인프라 팀은 Matrixnet 및 Tensornet을 포함하여 Yandex에서 Gradient Boosting 작업을 시작했습니다.그들은 범주형 및 텍스트 데이터, GPU 교육, 모델 분석, 시각화 도구를 지원하는 CatBoost라는 그레이디언트 부스팅 라이브러리의 다음 버전을 구현하고 오픈 소스화했습니다.

CatBoost는 2017년 7월에 오픈 소스화되었으며 Yandex 및 오픈 소스 커뮤니티에서 활발히 개발 중입니다.

어플

  • 코드[18] 완성을 위해 CatBoost를 사용하는 JetBrain
  • CatBoost를 사용하여 봇을[19] 탐지하는 Cloudflare
  • Careem은 CatBoost를 사용하여 향후[20] 놀이기구의 목적지를 예측합니다.

참고 항목

레퍼런스

  1. ^ "Andrey Gulin - People - Research at Yandex". research.yandex.com.
  2. ^ "catboost/catboost". GitHub.
  3. ^ "Yandex open sources CatBoost, a gradient boosting machine learning library". TechCrunch. Retrieved 2020-08-30.
  4. ^ Yegulalp, Serdar (2017-07-18). "Yandex open sources CatBoost machine learning library". InfoWorld. Retrieved 2020-08-30.
  5. ^ "Release 0.24.1 · catboost/catboost". GitHub. Retrieved 2020-08-30.
  6. ^ a b "catboost/catboost". August 30, 2020 – via GitHub.
  7. ^ a b Prokhorenkova, Liudmila; Gusev, Gleb; Vorobev, Aleksandr; Dorogush, Anna Veronika; Gulin, Andrey (2019-01-20). "CatBoost: unbiased boosting with categorical features". arXiv:1706.09516 [cs.LG].
  8. ^ "Python Package Index PYPI: catboost". Retrieved 2020-08-20.
  9. ^ "Conda force package catboost-r". Retrieved 2020-08-30.
  10. ^ "Maven Repository: ai.catboost » catboost-prediction". mvnrepository.com. Retrieved 2020-08-30.
  11. ^ staff, InfoWorld (27 September 2017). "Bossie Awards 2017: The best machine learning tools". InfoWorld.
  12. ^ "State of Data Science and Machine Learning 2020".
  13. ^ "State of Data Science and Machine Learning 2021".
  14. ^ "PyPI Stats catboost". PyPI Stats.
  15. ^ Joseph, Manu (2020-02-29). "The Gradient Boosters V: CatBoost". Deep & Shallow. Retrieved 2020-08-30.
  16. ^ Dorogush, Anna Veronika; Ershov, Vasily; Gulin, Andrey (2018-10-24). "CatBoost: gradient boosting with categorical features support". arXiv:1810.11363 [cs.LG].
  17. ^ "CatBoost Enables Fast Gradient Boosting on Decision Trees Using GPUs". NVIDIA Developer Blog. 2018-12-13. Retrieved 2020-08-30.
  18. ^ "Code Completion, Episode 4: Model Training". JetBrains Developer Blog. 2021-08-20.
  19. ^ "Stop the Bots: Practical Lessons in Machine Learning". The Cloudflare Blog. 2019-02-20.
  20. ^ "How Careem's Destination Prediction Service speeds up your ride". Careem. 2019-02-19.

외부 링크