本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。

# CatBoost 的運作方式
<a name="catboost-HowItWorks"></a>

CatBoost 實作了傳統的梯度增強決策樹 (GBDT) 演算法，並新增了兩個關鍵演算法進展：

1. 有序增強的實作，這是經典演算法的排列驅動替代方案

1. 一種用於處理分類特徵的創新算法

這兩種技術都是為了對抗由於目前所有現有的梯度增強演算法實現中存在的一種特殊目標洩漏引起的預測偏移。

CatBoost 演算法在機器學習競爭者間表現良好，因為它具備的強大功能可處理各種資料類型、關聯性、分佈以及各種您可以微調的超參數。您可以使用 CatBoost 為問題進行迴歸、分類 (二進位和多類) 和排名。

如需漸層增強的詳細資訊，請參閱[SageMaker AI XGBoost 演算法的運作方式](xgboost-HowItWorks.md)。有關 CatBoost 方法中使用的其他 GOSS 和 EFB 技術的深入詳細資訊，請參閱 CatBoost *[：具有分類功能的公正增](https://arxiv.org/pdf/1706.09516.pdf)*強功能。