«Яндекс» предоставил новую библиотеку машинного обучения

CatBoost применялся для улучшения результатов поиска, ранжирования ленты рекомендаций «Яндекс.Дзен» и для расчёта прогноза погоды в технологии «Метеум» — и во всех случаях показал себя лучше «Матрикснета». Благодаря этому CatBoost показывает не менее высокое качество обучения, чем подобные методы для работы с разнородными данными.

«Яндекс» представил метод машинного обучения — CatBoost — для не менее высококачественного прогнозирования моделей, информирует pr-служба компании.

Программисты корпорации разработали систему машинного обучения CatBoost, которая на этот момент уже применяется в работе огромного адронного коллайдера, передает во вторник pr-служба компании.

Разработали и выложили в открытый доступ систему машинного обучения CatBoost программисты «Яндекса».

CatBoost, как и «Матрикснет», реализует модель градиентного бустинга.

В основу берутся сведения о местоположении пользователя, история операций и тип устройства.

Он учитывает не только лишь модели на числовых данных, однако также и нечисловые. Отличие состоит в том, что CatBoost владеет не менее высоким качеством обучения. Прежде эти данные переводились на язык цифр, и это могло поменять их суть, воздействовать на точность работы модели. Метод уже опробован в разнообразных сервисах «Яндекса». Его использует также команда Yandex Data Factory — в собственных решениях для индустрии, в частности для оптимизации расхода сырья и предсказания дефектов. В дальнейшем CatBoost будет работать и на остальных сервисах. Метод внедрил Европейский центр ядерных исследований (ЦЕРН) для объединения данных, приобретенных с различных частей одного из детекторов огромного адронного коллайдера.

Утверждается, что CatBoost показывает не менее высокое качество обучения, чем подобные методы для работы с разнородными данными.

CatBoost можно использовать в всевозможных областях — от банковской сферы до индустрии. Скачать соответствующую библиотеку пользователи могут в репозитории на GitHub.