1. Learn
    2. /
  2. Courses
    3. /
  3. Metody zespołowe w Pythonie
Connected

Exercise

Prognozowanie przychodów filmów z CatBoost

Zakończymy ten rozdział o boostingu, wracając do zbioru danych movies! W tym ćwiczeniu zbudujesz model CatBoostRegressor, aby prognozować logarytm przychodów. Przypomnij sobie, że nasz najlepszy model to jak dotąd AdaBoost z RMSE równym 5.15.

Czy CatBoost pokona AdaBoost? Spróbujemy użyć podobnego zestawu parametrów, aby porównanie było uczciwe.

Pamiętaj, że korzystamy z następujących cech: 'budget', 'popularity', 'runtime', 'vote_average' i 'vote_count'. Biblioteka catboost została już zaimportowana jako cb.

UWAGA: uważaj, aby nie użyć klasyfikatora – może to spowodować wygaśnięcie sesji!

Instructions

100 XP
  • Zbuduj i dopasuj model CatBoostRegressor, używając 100 estymatorów, współczynnika uczenia 0.1 i maksymalnej głębokości 3.
  • Oblicz predykcje dla zbioru testowego i wyświetl wartość RMSE.