AdaBoost regrese na bázi stromů
Modely AdaBoost se obvykle sestavují s rozhodovacími stromy jako základními estimátory. Pojďme to teď vyzkoušet a uvidíme, jestli se výkon modelu ještě zlepší.
Pro spravedlivé srovnání použijeme jako předtím dvanáct estimátorů. Rozhodovací strom není potřeba samostatně vytvářet – je to výchozí základní estimátor.
Toto cvičení je součástí kurzu
Ensemble Methods in Python
Pokyny k cvičení
- Sestav a natrénuj
AdaBoostRegressors12estimátory. Základní estimátor není potřeba zadávat. - Vypočítej předpovědi na testovací sadě.
Interaktivní cvičení na vyzkoušení si v praxi
Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.
# Build and fit a tree-based 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))