Tvůj první model AdaBoost
V předchozí lekci jsi sestavoval/a modely pro predikci logaritmu příjmů filmů. Začal/a jsi jednoduchou lineární regresí a dosáhl/a RMSE 7,34. Pak jsi se pokusil/a výsledky vylepšit iterací boostingu a dosáhl/a nižšího RMSE 7,28.
V tomto cvičení sestavíš svůj první model AdaBoost – konkrétně AdaBoostRegressor – a pokusíš se výkon ještě dále zlepšit.
Dataset movies byl načten a rozdělen na trénovací a testovací sady. Budete používat příznaky 'budget' a 'popularity', které už byly za tebe standardizovány pomocí StandardScaler() z modulu sklearn.preprocessing.
Toto cvičení je součástí kurzu
Ensemble Methods in Python
Pokyny k cvičení
- Vytvoř výchozí model lineární regrese.
- Sestav a natrénuj
AdaBoostRegressors lineární regresí jako základním modelem a12estimátory. - Vypočítej predikce na testovací sadě.
Interaktivní cvičení na vyzkoušení si v praxi
Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.
# Instantiate the default linear regression model
reg_lm = ____
# Build and fit an AdaBoost regressor
reg_ada = ____(____, ____, random_state=500)
reg_ada.fit(X_train, y_train)
# Calculate the predictions on the test set
pred = ____
# Evaluate the performance using the RMSE
rmse = np.sqrt(mean_squared_error(y_test, pred))
print('RMSE: {:.3f}'.format(rmse))