1. Nauka
    2. /
  2. Kursy
    3. /
  3. Uczenie maszynowe w finansach z Pythonem
Connected

ćwiczenie

Model gradient boosting

Teraz dopasujemy model gradient boosting (GB). Mówi się, że model liniowy to jak Toyota Camry, a GB to jak śmigłowiec Black Hawk. GB może przewyższać lasy losowe, choć nie zawsze tak jest. To ilustracja twierdzenia o braku darmowego obiadu – zawsze warto wypróbować wiele różnych modeli dla każdego problemu.

GB działa podobnie do lasów losowych, ale różni się tym, że drzewa są budowane kolejno. W każdej iteracji kolejne drzewo dopasowuje się do błędów resztowych poprzedniego drzewa, aby poprawić jakość modelu.

Na razie nie będziemy przeszukiwać hiperparametrów – zostały one już za ciebie dobrane.

Instrukcje

100 XP
  • Utwórz obiekt GradientBoostingRegressor z hiperparametrami, które zostały już za ciebie ustawione.
  • Dopasuj model gbr do train_features i train_targets.
  • Wyświetl wyniki dla cech i wartości docelowych ze zbioru treningowego oraz testowego.