官网 | 文档 | 教程 | 安装 | 发布说明

CatBoost 是一种基于决策树的 梯度提升 机器学习方法。

CatBoost 的主要优势：

• 在许多数据集上，与其他 GBDT 库相比，具有更优的模型质量。
• 预测速度处于行业领先水平。
• 同时支持 数值型和类别型 特征。
• 提供快速的 GPU 和多 GPU 支持，开箱即用。
• 内置 可视化工具。
• 通过 Apache Spark 和 命令行接口 实现快速且可复现的分布式训练。

开始使用与文档

所有 CatBoost 文档均可在此处获取：文档。

请按照以下指南安装 CatBoost：

• Python 包
• R 包
• 命令行工具
• Apache Spark 版本

接下来，您可能希望探索：

• 教程
• 训练模式与评估指标
• 交叉验证
• 超参数调优
• 特征重要性计算
• 常规预测 和 阶段性预测
• 关于 CatBoost 与 Apache Spark 的视频：简介 和 架构

如果您无法在浏览器中打开文档，请尝试将 yastatic.net 和 yastat.net 添加到 Privacy Badger 的允许域名列表中。

生产环境中的 CatBoost 模型

如果您希望在应用程序中部署 CatBoost 模型，请阅读 模型 API 文档。

问题与错误报告

• 如需报告错误，请使用 catboost/bugreport 页面。
• 您可以在 CatBoost GitHub Discussions Q&A 论坛 上提问。
• 您也可以在 Stack Overflow 上使用 catboost 标签提问，我们会关注新问题。
• 您还可以加入 Telegram 群组 或俄语 Telegram 聊天室 (Telegram chat) 寻求帮助。

帮助改进 CatBoost

• 查看 开放问题 和 寻求帮助的问题，了解有哪些可以改进的地方；或者如果您有想法，可以直接提交一个问题。
• 将您的故事和经验添加到 Awesome CatBoost 中。
• 参阅 贡献者指南。

新闻

最新消息会发布在 Twitter 上。

参考论文

Anna Veronika Dorogush、Andrey Gulin、Gleb Gusev、Nikita Kazeev、Liudmila Ostroumova Prokhorenkova、Aleksandr Vorobev "用动态提升对抗偏差"。arXiv:1706.09516, 2017 年。

Anna Veronika Dorogush、Vasily Ershov、Andrey Gulin "CatBoost：支持类别特征的梯度提升"。2017 年 NIPS 机器学习系统研讨会。

许可证

© YANDEX LLC, 2017–2026。根据 Apache License, Version 2.0 授权。更多详情请参阅 LICENSE 文件。

CatBoost 快速上手指南

CatBoost 是由 Yandex 开源的高性能梯度提升决策树（GBDT）算法库。它以对类别特征的原生支持、卓越的预测精度和速度著称，适用于分类、回归及排序任务。

1. 环境准备

• 操作系统：支持 Windows, Linux, macOS。
• 语言环境：
  • Python: 推荐 Python 3.8 及以上版本。
  • R: 推荐 R 3.6 及以上版本。
  • 其他: 支持 C++, Java, Apache Spark, CLI 命令行调用。
• 硬件加速（可选）：若需使用 GPU 训练，请确保已安装兼容的 NVIDIA CUDA 驱动。
• 依赖库：安装 Python 包时会自动处理 numpy, scipy, pandas, matplotlib 等依赖。

2. 安装步骤

推荐使用国内镜像源以加快下载速度。

Python 安装

使用 pip (推荐阿里云/清华源):

pip install catboost -i https://pypi.tuna.tsinghua.edu.cn/simple

或者使用阿里云源：

pip install catboost -i https://mirrors.aliyun.com/pypi/simple/

使用 Conda:

conda install -c conda-forge catboost

R 语言安装

install.packages("catboost", repos = "https://cloud.r-project.org")
# 或者从 GitHub 安装最新版
# install.packages("remotes")
# remotes::install_github("catboost/catboost", subdir = "catboost/R-package")

其他环境

• Apache Spark: 请参考官方 Spark 集成文档添加对应 jar 包。
• 命令行工具 (CLI): 可从 GitHub Releases 页面下载对应平台的二进制文件。

3. 基本使用

以下是最简单的 Python 使用示例，展示如何处理包含类别特征的数据并进行训练与预测。

核心代码示例

from catboost import CatBoostClassifier, Pool
import pandas as pd

# 1. 准备数据
# 假设 df 是一个包含数值和类别特征的 DataFrame
data = {
    'age': [25, 30, 35, 40],
    'city': ['Beijing', 'Shanghai', 'Beijing', 'Guangzhou'], # 类别特征
    'income': [5000, 8000, 12000, 9000],
    'label': [0, 1, 1, 0]
}
df = pd.DataFrame(data)

# 分离特征和标签
X = df.drop('label', axis=1)
y = df['label']

# 指定类别特征的列索引或名称
cat_features = ['city'] 

# 2. 创建模型
model = CatBoostClassifier(
    iterations=100,
    depth=6,
    learning_rate=0.1,
    loss_function='Logloss',
    verbose=False # 关闭训练日志输出
)

# 3. 训练模型
# CatBoost 原生支持直接传入类别特征列表，无需手动 One-Hot 编码
model.fit(X, y, cat_features=cat_features)

# 4. 进行预测
predictions = model.predict(X)
probabilities = model.predict_proba(X)

print("预测结果:", predictions)
print("概率分布:", probabilities)

关键特性说明

• 类别特征处理：直接在 fit 函数中通过 cat_features 参数指定类别列，CatBoost 会自动进行最优编码处理，无需预处理。
• 缺失值处理：原生支持缺失值，无需填充。
• 可视化：训练完成后可使用 model.plot_tree() 或结合 shap 库进行特征重要性分析。