1. Učit se
    2. /
  2. Kurzy
    3. /
  3. Ensemble Methods in Python
Connected

cvičení

Predikce příjmů filmů pomocí CatBoost

Tuto kapitolu o boostingu zakončíme návratem k datasetu movies! V tomto cvičení sestavíš CatBoostRegressor pro predikci logaritmu příjmů. Připomeň si, že náš dosud nejlepší model je AdaBoost s RMSE 5,15.

Překoná CatBoost AdaBoost? Použijeme podobnou sadu parametrů, aby bylo srovnání férové.

Připomeň si, jaké příznaky jsme dosud používali: 'budget', 'popularity', 'runtime', 'vote_average' a 'vote_count'. Knihovna catboost je už naimportovaná jako cb.

POZOR: dej si pozor, abys nepoužil/a klasifikátor — jinak by ti mohla vypršet relace!

Pokyny

100 XP
  • Vytvoř a natrénuj CatBoostRegressor se 100 estimátory, rychlostí učení 0,1 a maximální hloubkou 3.
  • Vypočítej predikce pro testovací sadu a vypiš hodnotu RMSE.