Regresi AdaBoost berbasis pohon
Model AdaBoost biasanya dibangun dengan pohon keputusan sebagai estimator dasar. Mari kita coba sekarang dan lihat apakah kinerja model meningkat lebih jauh.
Kita akan menggunakan dua belas estimator seperti sebelumnya agar perbandingannya adil. Tidak perlu membuat instance pohon keputusan karena itu adalah estimator dasar secara bawaan.
Latihan ini adalah bagian dari kursus
Metode Ensemble di Python
Petunjuk latihan
- Bangun dan latih
AdaBoostRegressormenggunakan12estimator. Anda tidak perlu menentukan estimator dasar. - Hitung prediksi pada himpunan data uji.
Latihan interaktif praktis
Cobalah latihan ini dengan menyelesaikan kode contoh berikut.
# Build and fit a tree-based 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))