1. Nauka
    2. /
  2. Kursy
    3. /
  3. Metody zespołowe w Pythonie
Connected

ćwiczenie

Wyciśnij z AdaBoost maksimum

Jak już wiesz, do przewidywania przychodów filmów AdaBoost daje najlepsze wyniki, gdy jako estymator bazowy użyjesz drzew decyzyjnych.

W tym ćwiczeniu ustawisz kilka parametrów, aby jeszcze bardziej poprawić wydajność modelu. Użyjesz niższego współczynnika uczenia, co zapewni łagodniejszą aktualizację hiperparametrów – dlatego liczba estymatorów powinna wzrosnąć. Do zbioru danych dodano też nowe cechy: 'runtime', 'vote_average' oraz 'vote_count'.

Instrukcje

100 XP
  • Zbuduj AdaBoostRegressor używając 100 estymatorów i współczynnika uczenia równego 0.01.
  • Dopasuj reg_ada do zbioru treningowego i oblicz przewidywania na zbiorze testowym.