Vorhersage von Filmeinnahmen mit CatBoost

Schließen wir dieses Kapitel zu Boosting ab und kehren zum movies-Datensatz zurück! In dieser Übung baust du einen CatBoostRegressor, um den Log-Umsatz vorherzusagen. Denk daran: Unser bisher bestes Modell ist AdaBoost mit einem RMSE von 5.15.

Wird CatBoost AdaBoost schlagen? Wir verwenden eine ähnliche Menge an Parametern für einen fairen Vergleich.

Zur Erinnerung: Diese Features haben wir bisher verwendet: 'budget', 'popularity', 'runtime', 'vote_average' und 'vote_count'. catboost wurde bereits als cb importiert.

Hinweis: Achte darauf, keinen Classifier zu verwenden, sonst könnte deine Session ablaufen!

Diese Übung ist Teil des Kurses

Ensemble-Methoden in Python

Kurs anzeigen

Anleitung zur Übung

Erstelle und fitte einen CatBoostRegressor mit 100 Estimators, einer Learning Rate von 0.1 und einer maximalen Tiefe von 3.
Berechne die Vorhersagen für den Testdatensatz und gib den RMSE aus.

Interaktive Übung

Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.

import catboost as cb

# Build and fit a CatBoost regressor
reg_cat = ____.____(____, ____, ____, random_state=500)
____

# Calculate the predictions on the test set
pred = ____

# Evaluate the performance using the RMSE
rmse_cat = np.sqrt(mean_squared_error(y_test, pred))
print('RMSE (CatBoost): {:.3f}'.format(rmse_cat))

Code bearbeiten und ausführen