शुरू करेंमुफ़्त में शुरू करें

SGB के साथ रिग्रेशन

पिछले पाठ के अभ्यासों की तरह, आप Bike Sharing Demand डेटासेट पर काम करेंगे. अगले अभ्यास-समूह में, आप इस बाइक काउंट रिग्रेशन समस्या को स्टोकेस्टिक ग्रेडिएंट बूस्टिंग का उपयोग करके हल करेंगे.

यह अभ्यास पाठ्यक्रम का हिस्सा है

Python में Tree-Based Models के साथ Machine Learning

पाठ्यक्रम देखें

अभ्यास निर्देश

  • Stochastic Gradient Boosting Regressor (SGBR) को इंस्टैंशिएट करें और सेट करें:

    • max_depth को 4 और n_estimators को 200,

    • subsample को 0.9, और

    • max_features को 0.75.

इंटरैक्टिव व्यावहारिक अभ्यास

इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।

# Import GradientBoostingRegressor
from sklearn.ensemble import GradientBoostingRegressor

# Instantiate sgbr
sgbr = ____(max_depth=____, 
            subsample=____,
            max_features=____,
            n_estimators=____,
            random_state=2)
कोड संपादित करें और चलाएँ