Regressione AdaBoost basata su alberi
I modelli AdaBoost di solito vengono costruiti con alberi decisionali come stimatori di base. Proviamo ora e vediamo se le prestazioni del modello migliorano ulteriormente.
Useremo dodici stimatori come prima per un confronto equo. Non è necessario istanziare l'albero decisionale perché è lo stimatore di base predefinito.
Questo esercizio fa parte del corso
Metodi Ensemble in Python
Istruzioni dell'esercizio
- Crea e addestra un
AdaBoostRegressorusando12stimatori. Non devi specificare uno stimatore di base. - Calcola le previsioni sul set di test.
Esercizio pratico interattivo
Prova a risolvere questo esercizio completando il codice di esempio.
# 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))