Predicción de ingresos de películas con CatBoost
¡Vamos a cerrar este capítulo sobre boosting volviendo al conjunto de datos movies! En este ejercicio, construirás un CatBoostRegressor para predecir el log-ingreso. Recuerda que nuestro mejor modelo hasta ahora es el modelo AdaBoost con un RMSE de 5.15.
¿Superará CatBoost a AdaBoost? Intentaremos usar un conjunto de parámetros similar para que la comparación sea justa.
Recuerda que estas son las características que hemos usado hasta ahora: 'budget', 'popularity', 'runtime', 'vote_average' y 'vote_count'. catboost se ha importado por ti como cb.
OBS: ¡asegúrate de no usar un clasificador o tu sesión podría expirar!
Este ejercicio forma parte del curso
Ensemble Methods in Python
Instrucciones del ejercicio
- Crea y ajusta un
CatBoostRegressorusando100estimadores, una tasa de aprendizaje de0.1y una profundidad máxima de3. - Calcula las predicciones para el conjunto de prueba e imprime el RMSE.
ejercicio interactivo práctico
Prueba este ejercicio completando este código de ejemplo.
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))