> ML_KUTUPHANE // CATBOOST_v1.0
CatBoost
Yandex / Open Source — Kategorik veriler için yerel destekli, hızlı ve yüksek performanslı gradyan artırma kütüphanesi.
classical-mlv1.2.25Apache-2.0qualified
Model Eğitimi (Training)
Desteklenen Hızlandırıcılar:
CPUCUDAROCM
Dağıtık Eğitim (Distributed):Evet
Model Sunumu (Inference)
Inference Hızlandırıcıları:
CPUCUDAROCM
Hedef Ortamlar (Targets):server, edge
Kuantizasyon Formatları:C++ standalone code, ONNX, CoreML
Neleri Sağlar (Ne Yapar)
- +Yıldırım hızında CPU çıkarımı sağlayan simetrik (oblivious) karar ağaçları
- +Hedef sızıntısı olmadan yüksek kardinaliteli kategorik değişkenleri otomatik kodlama
- +Tablo verilerinin yanı sıra metin ve embedding özniteliklerini doğrudan entegre etme
Neleri Sağlamaz (Ne Yapmaz)
- -Karmaşık ardışık zaman serisi dizilerini yerel olarak modelleme
- -Bilgisayarlı görü için ham piksel evrişimleri işleme
- -Web tarayıcılarında JavaScript ile doğrudan çalışma
>Uygun İş Tipleri
- Binlerce metin ve kategorik dize içeren tablo verileri
- Ultra düşük gecikmeli üretim CPU puanlama boru hatları
- Endüstriyel sahtekarlık tespiti ve sıralama algoritmaları
>Uygun Olmayan İş Tipleri
- Derin video işleme
- Uçtan uca konuşma tanıma
Veri Yerleşimi ve İkameti
Yerel ana makine belleği.
Güvenlik Değerlendirmesi
Yerel C++ dışa aktarımı, sıfır bağımlılıkla bağımsız ikili modeller üretir.
Operasyonel Metrikler ve Bilinen Kısıtlar
Olgunluk:mature
Öğrenme Eğrisi:low
Operasyon Yükü:low
Maliyet Seviyesi:free-oss
> Bilinen Kısıtlamalar:
- Yoğun sayısal verilerde eğitim süresi LightGBM'den daha uzun olabilir.
- GPU eğitimi NVIDIA hesaplama kabiliyeti gerektirir.
İlişkili Üretim Arıza Paternleri (Incidentpedia)
Bu kütüphaneyi üretimde kullanırken aşağıdaki arıza senaryolarına karşı fail-closed korumalar uygulayın:
> Birincil Kanıt ve Doğrulama Kaynakları
CatBoost Documentationofficial-docs • >=1.1.0, <=1.2.x
2026-09-25HIGH