catboost

该论文提出一个临床可解释的机器学习框架，使用CatBoost和自动化的SHAP依赖图定量分析，从NHANES的44个异构临床特征中估计生物年龄。研究发现模型估计的生物年龄与实际年龄高度相关，并识别出血尿素氮、血糖和剧烈运动等关键预测因子。

本文提出了一种防泄漏且调度器感知的机器学习框架，用于预测网格作业运行时间，该框架使用CatBoost并结合时间验证，以提高分布式计算环境中的调度效率。

本文提出了一种使用文档表示、图理论和CatBoost来预测B2B客户转化的方法论，在销售漏斗预测中实现了91%的准确率。

介绍Sim2Win，一种基于事件的、与球队无关的足球赛前结果预测与战术画像系统，在未见过的球队上达到55.4%的准确率。

本文在 IEEE-CIS 欺诈数据集上对七种类别编码方法进行了受控比较，使用固定的 LightGBM 学习器评估了准确性、可解释性和计算权衡，发现实体嵌入获得了最高的 AUC-ROC，但没有任何编码器在两个指标上都占优。

本文提出了一种使用CatBoost和SHAP的机器学习框架，通过结合钙组学和心外膜脂肪特征，从CT钙化积分扫描中预测阻塞性冠状动脉疾病，实现了高准确性。

本研究提出了一种结合 CatBoost 和 SHAP 的混合预测框架，以识别树木相关交通事故的风险因素，并强调未使用约束装置（如安全带）是导致严重伤害的最关键预测因子。