트리 기반 AdaBoost 회귀
AdaBoost 모델은 보통 결정 트리를 base estimator로 사용해요. 이제 이를 직접 시도해 보고 모델 성능이 더 개선되는지 확인해 볼게요.
공정한 비교를 위해 이전과 마찬가지로 추정기 수를 열둘로 사용하겠습니다. 기본값으로 결정 트리가 base estimator이므로 따로 인스턴스화할 필요는 없어요.
이 연습은 강의의 일부입니다
Python에서의 앙상블 기법
연습 안내
12개의 추정기를 사용하는AdaBoostRegressor를 구축하고 적합하세요. base estimator는 지정하지 않아도 돼요.- 테스트 세트에 대한 예측값을 계산하세요.
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
# 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))