Previsione degli incassi dei film con CatBoost
Concludiamo questo capitolo sul boosting tornando all'insieme di dati movies! In questo esercizio, costruirai un CatBoostRegressor per prevedere il log-revenue. Ricorda che il nostro miglior modello finora è AdaBoost con una RMSE di 5.15.
CatBoost batterà AdaBoost? Proveremo a usare un set di parametri simile per un confronto equo.
Ricorda che finora abbiamo usato queste feature: 'budget', 'popularity', 'runtime', 'vote_average' e 'vote_count'. catboost è stato importato per te come cb.
OSS: fai attenzione a non usare un classifier, altrimenti la tua sessione potrebbe scadere!
Questo esercizio fa parte del corso
Metodi Ensemble in Python
Istruzioni dell'esercizio
- Crea e addestra un
CatBoostRegressorusando100stimatori, un learning rate di0.1e una profondità massima di3. - Calcola le previsioni per il set di test e stampa la RMSE.
Esercizio pratico interattivo
Prova a risolvere questo esercizio completando il codice di esempio.
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))