Votre premier modèle AdaBoost
Dans la leçon précédente, vous avez construit des modèles pour prédire le log-revenu des films. Vous avez commencé par une régression linéaire simple avec une RMSE de 7.34. Ensuite, vous avez essayé de l’améliorer avec une itération de boosting, atteignant une RMSE plus faible de 7.28.
Dans cet exercice, vous allez construire votre premier modèle AdaBoost — un AdaBoostRegressor — afin d’améliorer encore les performances.
Le jeu de données movies a été chargé et séparé en ensembles d’entraînement et de test. Ici, vous allez utiliser les variables 'budget' et 'popularity', qui ont déjà été standardisées pour vous avec StandardScaler() du module sklearn.preprocessing.
Cet exercice fait partie du cours
Méthodes d’ensemble en Python
Instructions
- Instanciez le modèle de régression linéaire par défaut.
- Construisez et entraînez un
AdaBoostRegressoren 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 cet exemple de code.
# 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))