Mieszanie modeli
Zaczniesz teraz tworzyć zespoły modeli z wykorzystaniem techniki blending.
Twoim celem jest wytrenowanie 2 różnych modeli na danych z konkursu New York City Taxi. Wygeneruj predykcje na danych testowych, a następnie połącz je za pomocą prostej średniej arytmetycznej.
Zbiory danych train i test są już dostępne w twoim środowisku pracy. Lista features zawiera kolumny używane do trenowania i również jest dostępna w środowisku. Nazwa zmiennej docelowej to "fare_amount".
To ćwiczenie jest częścią kursu
Zwycięstwo w konkursie Kaggle w Pythonie
Instrukcje do ćwiczenia
- Wytrenuj model Gradient Boosting na danych treningowych, używając listy
featuresoraz kolumny "fare_amount" jako zmiennej docelowej. - Wytrenuj model Random Forest w analogiczny sposób.
- Wygeneruj predykcje na danych testowych za pomocą obu modeli – Gradient Boosting i Random Forest.
- Oblicz średnią z predykcji obu modeli.
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
from sklearn.ensemble import GradientBoostingRegressor, RandomForestRegressor
# Train a Gradient Boosting model
gb = GradientBoostingRegressor().____(____[features], ____.fare_amount)
# Train a Random Forest model
rf = RandomForestRegressor().____(____[features], ____.fare_amount)
# Make predictions on the test data
test['gb_pred'] = ____.____(test[features])
test['rf_pred'] = ____.____(test[features])
# Find mean of model predictions
test['blend'] = (____[____] + ____[____]) / 2
print(test[['gb_pred', 'rf_pred', 'blend']].head(3))