Tu primer modelo con AdaBoost
En la lección anterior creaste modelos para predecir el logaritmo de los ingresos de las películas. Empezaste con una regresión lineal sencilla y obtuviste un RMSE de 7.34. Luego intentaste mejorarlo con una iteración de boosting y bajaste el RMSE a 7.28.
En este ejercicio, vas a crear tu primer modelo AdaBoost —un AdaBoostRegressor— para intentar mejorar aún más el rendimiento.
El conjunto de datos movies ya se ha cargado y dividido en entrenamiento y prueba. Aquí utilizarás las variables 'budget' y 'popularity', que ya se estandarizaron por ti usando StandardScaler() del módulo sklearn.preprocessing.
Este ejercicio forma parte del curso
Ensemble Methods in Python
Instrucciones del ejercicio
- Instancia el modelo de regresión lineal con la configuración por defecto.
- Construye y ajusta un
AdaBoostRegressor, usando la regresión lineal como modelo base y12estimadores. - Calcula las predicciones sobre el conjunto de prueba.
ejercicio interactivo práctico
Prueba este ejercicio completando este código de ejemplo.
# 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))