Prédire les revenus d'un film avec CatBoost
Terminons ce chapitre sur le boosting en revenant au jeu de données movies! Dans cet exercice, vous allez entraîner un CatBoostRegressor pour prédire le log-revenu. Rappelez-vous que notre meilleur modèle jusqu'ici est l'AdaBoost, avec une RMSE de 5.15.
CatBoost dépassera-t-il AdaBoost? Nous allons essayer d'utiliser un ensemble de paramètres similaire pour une comparaison équitable.
Rappel : voici les variables utilisées jusqu'à présent : 'budget', 'popularity', 'runtime', 'vote_average' et 'vote_count'. catboost a été importé pour vous sous le nom cb.
OBS : veillez à ne pas utiliser un classifieur, sinon votre session pourrait expirer!
Cette activité fait partie du cours
Méthodes d'ensemble en Python
Instructions de l’exercice
- Construisez et entraînez un
CatBoostRegressoravec100estimateurs, un taux d'apprentissage de0.1et une profondeur maximale de3. - Calculez les prédictions pour l'ensemble de test et affichez la RMSE.
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
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))