CatBoost回帰:分かりやすく解説してください

CatBoost回帰の解説を分かりやすくしてください

CatBoostの内部動作の包括的な(かつ図解された)解説

CatBoost(カテゴリカルブースティング)は、カテゴリカルな特徴量の扱いに優れ、正確な予測を行う強力な機械学習アルゴリズムです。伝統的に、カテゴリカルデータの扱いはかなり難しいものであり、ワンホットエンコーディング、ラベルエンコーディング、または他の前処理技術が必要であり、これらはデータの固有な構造を歪める可能性があります。この問題に対処するために、CatBoostは独自の組み込みエンコーディングシステムである「Ordered Target Encoding」を使用します。

実際にCatBoostがどのように機能するかを見てみましょう。Goodreadsでの平均書籍評価とお気に入りのジャンルに基づいて、誰かが本「Murder, She Texted」をどのように評価するかを予測するモデルを構築します。

6人に「Murder, She Texted」を評価してもらい、それらに関連する他の情報を収集しました。

これが現在のトレーニングデータセットであり、データをトレーニングするために使用します。

ステップ1:データセットをシャッフルし、「Ordered Target Encoding」を使用してカテゴリカルデータをエンコードする

カテゴリカルデータを前処理する方法はCatBoostアルゴリズムの中心的な要素です。この場合、カテゴリカルな列は1つだけであり、「お気に入りのジャンル」です。この列はエンコードされ(離散的な整数に変換され)、エンコード方法は回帰問題か分類問題かによって異なります。この場合、予測したい変数「Murder, She Texted Rating」が連続値であるため、回帰問題として扱います。以下の手順に従います。

1 — データセットをシャッフルします:

2 — 連続的な目標変数を離散的な「バケット」に入れます:ここではデータが非常に少ないため、同じサイズの2つのバケットを作成して目標変数を分類します(バケットの作成方法の詳細はこちらをご覧ください)。

「Murder, She Texted Rating」の最小値3つをバケット0に入れ、残りをバケット1に入れます。

We will continue to update VoAGI; if you have any questions or suggestions, please contact us!

Share:

Was this article helpful?

93 out of 132 found this helpful

Discover more

人工知能

エンテラソリューションズの創設者兼CEO、スティーブン・デアンジェリス- インタビューシリーズ

スティーブン・デアンジェリスは、エンタラソリューションズの創設者兼CEOであり、自律的な意思決定科学(ADS®)技術を用いて...

人工知能

「aiOlaのCEO兼共同創設者、アミール・ハラマティによるインタビューシリーズ」

アミール・ハラマティは、aiOlaのCEO兼共同創業者であり、スピーチを作業可能にし、どこでも完全な正確さで業界固有のプロセ...

人工知能

ジョナサン・ダムブロット、Cranium AIのCEO兼共同創設者- インタビューシリーズ

ジョナサン・ダムブロットは、Cranium AIのCEO兼共同創業者ですCranium AIは、サイバーセキュリティおよびデータサイエンスチ...

人工知能

ジョシュ・フィースト、CogitoのCEO兼共同創業者 - インタビューシリーズ

ジョシュ・フィーストは、CogitoのCEO兼共同創業者であり、感情と会話AIを組み合わせた革新的なプラットフォームを提供するエ...

人工知能

「リオール・ハキム、Hour Oneの共同創設者兼CTO - インタビューシリーズ」

「Hour Oneの共同創設者兼最高技術責任者であるリオール・ハキムは、専門的なビデオコミュニケーションのためのバーチャルヒ...

人工知能

ギル・ジェロン、Orca SecurityのCEO&共同創設者-インタビューシリーズ

ギル・ゲロンは、オルカ・セキュリティのCEO兼共同設立者ですギルは20年以上にわたりサイバーセキュリティ製品をリードし、提...