Votre premier modèle AdaBoost
Dans la leçon précédente, vous avez construit des modèles pour prédire le logarithme des revenus des films. Vous avez commencé par une simple régression linéaire et obtenu une RMSE de 7.34. Ensuite, vous avez tenté de l'améliorer avec une itération de boosting, ce qui a réduit la RMSE à 7.28.
Dans cet exercice, vous allez construire votre premier modèle AdaBoost — un AdaBoostRegressor — afin d'améliorer encore la performance.
Le jeu de données movies a été chargé et divisé en ensembles d'entraînement et de test. Ici, vous utiliserez les variables « budget » et « popularity », qui ont déjà été normalisées pour vous au moyen de StandardScaler() du module sklearn.preprocessing.
Cette activité fait partie du cours
Méthodes d'ensemble en Python
Instructions de l’exercice
- Instanciez le modèle de régression linéaire par défaut.
- Créez et ajustez un
AdaBoostRegressor, en utilisant la régression linéaire comme modèle de base et12estimateurs. - Calculez les prédictions sur l'ensemble de test.
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# 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))