CatBoost
یاندکس، معروف به موتور جستجوی خود و سایر خدمات آنلاین، انتشار کتبست را اعلام کرده است، یک کتابخانه یادگیری ماشین منبع باز مبتنی بر تقویت گرادیان. این کتابخانه قدرتمند جدید دقت و عملکرد بهتری را به ویژه در هنگام کار با داده هایی که به راحتی برای الگوریتم های یادگیری ماشین فرمت نمی شوند، وعده می دهد. این اغلب شامل داده هایی است که صرفاً حسی نیستند، مانند صدا، متن یا تصاویر، بلکه حاوی اطلاعات تراکنشی یا تاریخی نیز هستند. تقویت گرادیان تکنیکی است که به طور خاص برای چنین سناریوهایی مناسب است و به سیستم ها اجازه می دهد حتی با داده های محدود به طور موثری یاد بگیرند.
یاندکس قبلاً ادغام کتبست را در خدمات خود آغاز کرده است و الگوریتم یادگیری ماشین قبلی خود، MatrixNet را جایگزین می کند. این انتقال در حال حاضر در حال انجام است و در ماه های آینده ادامه خواهد داشت. تصمیم این شرکت برای منبع باز کردن کتبست، تعهد آن به جامعه منبع باز و تمایل آن برای پیشبرد نوآوری در هوش مصنوعی و یادگیری ماشین را برجسته می کند.
ویژگی های اصلی کتبست عبارتند از:
- کاهش اضافه برازش: این ویژگی با استفاده از یک الگوریتم منحصر به فرد برای ساخت مدل که از تکنیک های استاندارد تقویت گرادیان منحرف می شود، منجر به نتایج دقیق تر می شود.
- حمایت از ویژگی های دسته بندی: کتبست امکان استفاده از داده های غیر عددی را فراهم می کند و از این طریق نیاز به پیش پردازش و تبدیل داده ها را از بین می برد.
- API کاربرپسند: کتبست API شهودی برای استفاده از خط فرمان یا از طریق رابط های Python یا R ارائه می دهد. همچنین ابزارهایی برای تجزیه و تحلیل فرمول و تجسم آموزش را شامل می شود.
در حالی که کتابخانه های دیگری برای تقویت گرادیان و یادگیری ماشین وجود دارند، یاندکس تاکید می کند که کتبست به دلیل دقت “آزمایش شده در نبرد” خود متمایز است. این شرکت استدلال می کند که کتبست به تنظیمات بسیار کمی نیاز دارد و عملکرد قوی را از همان ابتدا ارائه می دهد.
منبع باز کردن کتبست، تعهد یاندکس به همکاری باز و بلندپروازی آن برای ایفای نقش مرکزی در توسعه هوش مصنوعی و یادگیری ماشین را نشان می دهد. با عملکرد قوی و طراحی کاربرپسند خود، کتبست در حال آماده شدن است تا به یک منبع ارزشمند برای توسعه دهندگان و محققان در جستجوی قابلیت های پیشرفته یادگیری ماشین تبدیل شود.
