Twój pierwszy model AdaBoost
W poprzedniej lekcji budowałeś modele przewidujące logarytm przychodów filmów. Zacząłeś od prostej regresji liniowej i uzyskałeś RMSE równe 7.34. Następnie spróbowałeś poprawić wynik dzięki jednemu krokowi boostingu, osiągając niższe RMSE: 7.28.
W tym ćwiczeniu zbudujesz swój pierwszy model AdaBoost – AdaBoostRegressor – aby spróbować poprawić wyniki jeszcze bardziej.
Zbiór danych movies został wczytany i podzielony na zbiory treningowy oraz testowy. Skorzystasz z cech 'budget' i 'popularity', które zostały już wystandaryzowane za pomocą StandardScaler() z modułu sklearn.preprocessing.
To ćwiczenie jest częścią kursu
Metody zespołowe w Pythonie
Instrukcje do ćwiczenia
- Zainicjalizuj domyślny model regresji liniowej.
- Zbuduj i dopasuj
AdaBoostRegressor, używając regresji liniowej jako modelu bazowego oraz12estymatorów. - Oblicz predykcje na zbiorze testowym.
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Instantiate the default linear regression model
reg_lm = ____
# 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))