मॉडल ब्लेंडिंग
आप blending तकनीक के साथ मॉडल एन्सेम्बल बनाना शुरू करेंगे.
आपका लक्ष्य New York City Taxi प्रतियोगिता के डेटा पर 2 अलग-अलग मॉडल्स को ट्रेन करना है. टेस्ट डेटा पर प्रेडिक्शन बनाइए और फिर उन्हें साधारण अंकगणितीय औसत से blend कीजिए.
train और test DataFrames पहले से आपके वर्कस्पेस में उपलब्ध हैं. features उन कॉलम्स की एक लिस्ट है जिनका उपयोग ट्रेनिंग के लिए होगा, और यह भी आपके वर्कस्पेस में मौजूद है. टारगेट वैरिएबल का नाम "fare_amount" है.
यह अभ्यास पाठ्यक्रम का हिस्सा है
Python में Kaggle प्रतियोगिता जीतना
अभ्यास निर्देश
featuresलिस्ट का उपयोग करते हुए ट्रेन डेटा पर Gradient Boosting मॉडल ट्रेन करें, और "fare_amount" कॉलम को टारगेट वैरिएबल रखें.- उसी तरह Random Forest मॉडल भी ट्रेन करें.
- टेस्ट डेटा पर Gradient Boosting और Random Forest दोनों मॉडलों से प्रेडिक्शन बनाइए.
- दोनों मॉडलों की प्रेडिक्शन्स का औसत निकालिए.
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
from sklearn.ensemble import GradientBoostingRegressor, RandomForestRegressor
# Train a Gradient Boosting model
gb = GradientBoostingRegressor().____(____[features], ____.fare_amount)
# Train a Random Forest model
rf = RandomForestRegressor().____(____[features], ____.fare_amount)
# Make predictions on the test data
test['gb_pred'] = ____.____(test[features])
test['rf_pred'] = ____.____(test[features])
# Find mean of model predictions
test['blend'] = (____[____] + ____[____]) / 2
print(test[['gb_pred', 'rf_pred', 'blend']].head(3))