始める無料で始める

SGB による回帰

前のレッスンの演習と同様に、ここでも Bike Sharing Demand データセットを使います。次の一連の演習では、確率的勾配ブースティングを用いて自転車台数の回帰問題を解きます。

この演習はコースの一部です

Pythonで学ぶ木ベースのMachine Learning

コースを見る

演習の手順

  • Stochastic Gradient Boosting Regressor (SGBR) をインスタンス化し、次のように設定します:

    • max_depth を 4、n_estimators を 200、

    • subsample を 0.9、

    • max_features を 0.75。

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 GradientBoostingRegressor
from sklearn.ensemble import GradientBoostingRegressor

# Instantiate sgbr
sgbr = ____(max_depth=____, 
            subsample=____,
            max_features=____,
            n_estimators=____,
            random_state=2)
コードを編集して実行