1. Nauka
    2. /
  2. Kursy
    3. /
  3. Zwycięstwo w konkursie Kaggle w Pythonie
Connected

ćwiczenie

Punkt odniesienia oparty na gradientowym wzmacnianiu

Zbudujmy ostatni punkt odniesienia, tym razem oparty na lesie losowym. W filmie widziałeś(-aś) ogromną poprawę wyniku po przejściu od grupowania do gradientowego wzmacniania. Teraz użyjesz lasu losowego z biblioteki sklearn, aby jeszcze bardziej poprawić ten wynik.

Celem ćwiczenia jest pobranie cech numerycznych i wytrenowanie modelu lasu losowego bez żadnego dostrajania hiperparametrów. Następnie możesz dokonać predykcji dla zbioru testowego i zweryfikować wynik na publicznej tablicy wyników. Pamiętaj, że masz już dostępną cechę "hour", którą również można przekazać jako wejście do modelu.

Instrukcje

100 XP
  • Dodaj cechę "hour" do listy cech numerycznych.
  • Dopasuj RandomForestRegressor na danych treningowych, używając cech numerycznych i "fare_amount" jako zmiennej docelowej.
  • Użyj wytrenowanego modelu lasu losowego, aby dokonać predykcji na danych testowych.