Анна Вероника Дорогуш (Yandex) – о технологии CatBoost на Big Data Conference

Анна Вероника Дорогуш, представляющая «Яндекс», выступила в «Техническом треке» с темой «Градиентный бустинг и сферы его применения. Технология CatBoost».

Благодаря сервису Penxy мы можем поделиться с вами презентацией Анны Вероники, которую можно не просто посмотреть, но и послушать:

После выступления аудитория задавала Анне Веронике вопросы через специальный сервис WhenSpeak. Мы публикуем «публичное интервью» с Анной Вероникой.

Как эта библиотека связана с MatrixNet?

CatBoost – это следующая версия Матрикснета. Но говорить о полной замене одной технологии на другую пока нельзя. Матрикснет по-прежнему отлично показывает себя во многих задачах, тем не менее, с развитием CatBoost мы действительно планируем внедрить его в большинство сервисов «Яндекса», где он дополнит или заменит Матрикснет.

Catboost может сырыми брать категориальные фичи, наподобие LightGBM?

Да, CatBoost работает с сырыми категориальными фичами, но не как LightGBM, а более оптимально.

А сравнение производительности разных инструментов?

Время обучения Катбуста пока что больше, чем у XGBoost и LightGBM, но мы работаем над ускорением алгоритма и надеюсь, что эту разницу скоро получится убрать.

Почему cat? Связано ли это с котиками? :)

CatBoost – от Categorical Boosting (категориальный бустинг). Оптимальная поддержка категориальных факторов – основная отличительная черта алгоритма.

Смотреть все презентации.