AdaBoostを最大限に活用する

ご覧のとおり、映画の収益予測では、ベース推定器に決定木を使うとAdaBoostが最良の結果を出します。

この演習では、さらに性能を引き出すためにいくつかのパラメータを指定します。特に、学習率を低くしてハイパーパラメータの更新をより滑らかにします。そのため、推定器の数は増やす必要があります。さらに、データには 'runtime'、'vote_average'、'vote_count' の特徴量が追加されています。

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

推定器を 100 個、学習率を 0.01 として AdaBoostRegressor を構築してください。
reg_ada を学習用データに適合させ、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 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))

コードを編集して実行