캣부스트는 법원 경매 물건의 낙찰가를 예측하는 얼마써 예상낙찰가 모델 21개 중 하나입니다. 매달 실제 낙찰 결과와 대조해 채점하며, 물건의 조건이 이 모델에 맞을 때 그 값이 예상낙찰가로 채택됩니다. 성적만으로 정하지 않습니다.
| 정식 명칭 | CatBoost |
|---|---|
| 전술 | 지역명 하나하나를 기억하는 디테일 축구. |
| 강점 | 서울 아파트 등 상위권 상시. 스태킹 연합의 핵심 멤버. |
| 약점 | 단독 우승은 드묾 — 연합 안에서 더 빛나는 타입. 학습 95초, 리그 최중량. |
러시아 얀덱스 연구소 출신. 검색·추천 실전에서 단련돼 2017년 세계 무대 데뷔, 우리 리그엔 2026-07 시즌 입단.
순서형 부스팅(ordered boosting)으로 학습 중 타깃 누수를 구조적으로 차단하고, 지역·법원 같은 범주형 변수를 숫자 변환 없이 원형 그대로 학습(범주형 네이티브). 좌우 대칭 트리로 과적합을 누른다.
얀덱스 검색·추천 실서비스로 검증. 범주형 변수가 많은 금융·커머스 정형데이터의 강자.
라이트GBM과 속도-정밀 라이벌리 — 우리 리그 실측은 55.2 대 55.2 완전 동률, 무승부 라이벌. XG부스트(53.0)에는 둘 다 앞선다.
무거운 만큼 연합(+1.2%p)의 지분이 크다. 연합 없이 논할 수 없는 팀.
Prokhorenkova et al. (2018) "CatBoost: unbiased boosting with categorical features", NeurIPS.
표준 부스팅의 예측 편향(prediction shift)을 순서형 부스팅(ordered boosting)으로 제거 — 각 표본의 잔차를 그 표본 이전의 데이터로만 학습한 모델로 계산해 타깃 누수를 구조적으로 차단한다.
범주형 변수는 순서형 타깃 통계(ordered target statistics)로 인코딩해 정보 손실 없이 학습. 좌우 대칭(oblivious) 트리를 사용해 예측이 빠르고 정규화 효과를 얻는다.
학습은 순서형 처리 때문에 동급 부스팅보다 무겁다(본 리그 실측 최중량). 예측은 대칭 트리 덕에 매우 빠름.
NeurIPS 채택 후 범주형 다수 정형데이터의 표준 후보로 정착. 얀덱스 검색·추천 실서비스 검증.
전체 모델 보기 → 경매 물건에서 예상낙찰가 확인하기 →
얼마써 — 사건번호만 입력하면 법원경매 물건의 예상낙찰가를 AI가 계산합니다. 여러 방식이 낸 값을 실제 낙찰가와 매달 대조해 검증합니다. 입찰가 결정은 경매 참여자 본인의 판단이며, 예상낙찰가는 통계 기반 참고치입니다. 입찰 전 법원 공고와 현장을 반드시 확인하세요.