Regresión AdaBoost basada en árboles
Los modelos AdaBoost suelen construirse con árboles de decisión como estimadores base. Probemos ahora y veamos si el rendimiento del modelo mejora aún más.
Usaremos doce estimadores como antes para tener una comparación justa. No es necesario instanciar el árbol de decisión porque es el estimador base por defecto.
Este ejercicio forma parte del curso
Ensemble Methods in Python
Instrucciones del ejercicio
- Crea y ajusta un
AdaBoostRegressorusando12estimadores. No tienes que especificar un estimador base. - Calcula las predicciones sobre el conjunto de prueba.
ejercicio interactivo práctico
Prueba este ejercicio completando este código de ejemplo.
# 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))