Il tuo primo modello AdaBoost
Nella lezione precedente hai costruito modelli per prevedere il log-revenue dei film. Hai iniziato con una semplice regressione lineare ottenendo un RMSE di 7.34. Poi hai cercato di migliorarlo con un'iterazione di boosting, arrivando a un RMSE più basso di 7.28.
In questo esercizio costruirai il tuo primo modello AdaBoost - un AdaBoostRegressor - per provare a migliorare ulteriormente le prestazioni.
Il dataset movies è stato caricato e suddiviso in insieme di addestramento e di test. Qui userai le caratteristiche 'budget' e 'popularity', che sono già state standardizzate per te usando StandardScaler() dal modulo sklearn.preprocessing.
Questo esercizio fa parte del corso
Metodi Ensemble in Python
Istruzioni dell'esercizio
- Istanzia il modello di regressione lineare predefinito.
- Costruisci e addestra un
AdaBoostRegressor, usando la regressione lineare come modello di base e12stimatori. - Calcola le previsioni sul set di test.
Esercizio pratico interattivo
Prova a risolvere questo esercizio completando il codice di esempio.
# Instantiate the default linear regression model
reg_lm = ____
# Build and fit an 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))