CatBoost
Yandex推出的梯度提升框架，擅长处理类别特征，是表格数据领域主流模型之一
核心事实
时间轴 (近 90 天)
XGBoost于2016年推出，LightGBM于2017年推出，二者与CatBoost均以Gradient Boosting为理论基石
TabPFN 在表格数据任务上的表现显著超越 CatBoost 和 XGBoost
XGBoost、CatBoost 属于决策树的优化升级版本
梯度提升树模型（如XGBoost、LightGBM、CatBoost）在医疗表格结构化数据上往往表现最佳，且训练速度快、可解释性好
CatBoost由Yandex开发，擅长处理类别特征，与XGBoost、LightGBM并称GBDT三驾马车
梯度提升树模型（如XGBoost、LightGBM、CatBoost）长期主导表格数据处理领域
在Kaggle等平台上，XGBoost、LightGBM和CatBoost几乎垄断了结构化数据竞赛的顶级解决方案
CatBoost于2018年专门优化了对类别特征的处理
全部知识事实 (9)
梯度提升本质上是通过迭代地训练弱学习器、每一轮新的树专注于拟合上一轮的残差来实现集成效果
65%待验证CatBoost于2018年专门优化了对类别特征的处理
90%待验证在Kaggle等平台上，XGBoost、LightGBM和CatBoost几乎垄断了结构化数据竞赛的顶级解决方案
85%待验证CatBoost由Yandex开发，擅长处理类别特征，与XGBoost、LightGBM并称GBDT三驾马车
60%待验证梯度提升树模型（如XGBoost、LightGBM、CatBoost）长期主导表格数据处理领域
60%待验证XGBoost于2016年推出，LightGBM于2017年推出，二者与CatBoost均以Gradient Boosting为理论基石
50%待验证TabPFN 在表格数据任务上的表现显著超越 CatBoost 和 XGBoost
50%待验证XGBoost、CatBoost 属于决策树的优化升级版本
50%待验证梯度提升树模型（如XGBoost、LightGBM、CatBoost）在医疗表格结构化数据上往往表现最佳，且训练速度快、可解释性好
50%