AdaBoost 최대한 활용하기
보신 것처럼, 영화 수익 예측에서는 결정 트리를 기본 추정기(base estimator)로 사용할 때 AdaBoost가 가장 좋은 결과를 보여줘요.
이번 연습에서는 성능을 더 끌어올리기 위해 몇 가지 매개변수를 지정해 보겠습니다. 특히, 학습률을 낮춰서 하이퍼파라미터가 더 부드럽게 업데이트되도록 할 거예요. 그에 따라 추정기 개수는 늘려야 합니다. 추가로, 데이터에는 다음 특성이 포함되어 있어요: 'runtime', 'vote_average', 'vote_count'.
이 연습은 강의의 일부입니다
Python에서의 앙상블 기법
연습 안내
- 추정기
100개와 학습률0.01로AdaBoostRegressor를 구성하세요. reg_ada를 훈련 세트에 학습시키고, 테스트 세트에 대한 예측 값을 계산하세요.
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
# 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))