木ベースの AdaBoost 回帰
AdaBoost モデルは通常、ベース推定器として決定木を用いて構築します。実際に試して、モデルの性能がさらに向上するか確認してみましょう。
公正に比較するため、先ほどと同様に推定器は 12 個にします。決定木はデフォルトでベース推定器になっているため、明示的にインスタンス化する必要はありません。
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
演習の手順
12個の推定器を使ってAdaBoostRegressorを構築し、学習させてください。ベース推定器を指定する必要はありません。- テストデータに対する予測値を計算してください。
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。
# 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))