📌CatBoost

CatBoost — это популярная open-source библиотека градиентного бустинга на решающих деревьях с поддержкой категориальных фичей из коробки, преемник алгоритма MatrixNet, разработанного Яндексом.
В плане простоты использования и легкости входа для новичков, пожалуй является топ-1 библиотекой для табличных данных и вот почему:

⏩Принимает категориальные фичи сразу без всякой предварительной обработки.

⏩Чтобы перенести обучение с CPU на GPU достаточно поменять значение 1 параметра, без установки доп.пакетов или специальных версий, как в других библиотеках

⏩Даже с дефолтными параметрами выдает хорошую точность модели. Основные параметры не константные, а подбираются самой библиотекой, в зависимости от размера входных данных.

⏩Может принимать текстовые признаки, эмбеддинги, временные признаки.

⏩Без дополнительных манипуляций и оберток встраивается в стандартные пайплайны (например, sklearn).

⏩Идет в комплекте с "батарейками": feature_selection, object_selection, cross_validation, grid_search и пр.

Если вы ещё не знакомы с CatBoost — самое время это исправить
📎 Вот полезный практический Google Colab с CatBoost

@machinelearning_ru