CatBoost के साथ मूवी रेवेन्यू प्रेडिक्शन
आइए इस चैप्टर को बूस्टिंग पर यहीं समेटें और movies डेटासेट पर लौटें! इस अभ्यास में, आप लॉग-रेवेन्यू प्रेडिक्ट करने के लिए CatBoostRegressor बनाएँगे. याद रखें, अब तक हमारा सबसे अच्छा मॉडल AdaBoost है जिसका RMSE 5.15 है.
क्या CatBoost, AdaBoost को पीछे छोड़ देगा? निष्पक्ष तुलना के लिए हम मिलते-जुलते पैरामीटर्स ही इस्तेमाल करेंगे.
अब तक हमने ये फीचर्स उपयोग किए हैं: 'budget', 'popularity', 'runtime', 'vote_average', और 'vote_count'. catboost आपके लिए cb नाम से इम्पोर्ट किया गया है.
ध्यान दें: गलती से क्लासिफायर का उपयोग न करें, वरना आपका सेशन एक्सपायर हो सकता है!
यह अभ्यास पाठ्यक्रम का हिस्सा है
Python में Ensemble Methods
अभ्यास निर्देश
100estimators,0.1की learning rate, और3की max depth के साथCatBoostRegressorबनाएँ और फिट करें.- टेस्ट सेट के लिए प्रेडिक्शन निकालें और RMSE प्रिंट करें.
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
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))