CatBoost（categorical boosting）是一種能夠很好地處理類別型特征的梯度提升算法庫。本文中，我們對 CatBoost 基本原理及應用實例做個詳細介紹。後面小猴子還將針對其中幾個重要特性做專門介紹，如 CatBoost 對類別型特征處理、特征選擇、文本特征處理、超參數調整以及多標簽目標處理，看完記得點個贊支持下！
要理解 boosting，我們首先理解集成學習，為了獲得更好的預測性能，集成學習結合多個模型（弱學習器）的預測結果。它的策略就是大力出奇跡，因為弱學習器的有效組合可以生成更准確和更魯棒的模型。集成學習方法分為三大類：
- Bagging：該技術使用隨機數據子集並行構建不
