CatBoost で映画の収益を予測する

この章の締めくくりとして、movies データセットに戻りましょう！この演習では、対数収益を予測するために CatBoostRegressor を構築します。これまでのベストモデルは、RMSE が 5.15 の AdaBoost モデルでした。

CatBoost は AdaBoost を上回れるでしょうか？公正に比較できるよう、似たパラメータ設定を使ってみます。

これまでに使用してきた特徴量は次のとおりです：'budget'、'popularity'、'runtime'、'vote_average'、'vote_count'。catboost は cb としてインポート済みです。

注意：分類器を使わないでください。セッションが期限切れになる可能性があります！

この演習はコースの一部です

Pythonで学ぶアンサンブル手法

コースを見る

演習の手順

100 個の推定器、学習率 0.1、最大深さ 3 を用いて CatBoostRegressor を構築して学習させます。
テストセットの予測を計算し、RMSE を出力します。

実践的なインタラクティブ演習

このサンプルコードを完成させて、この演習に挑戦してみましょう。

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))

コードを編集して実行