Seu primeiro modelo AdaBoost
Na lição anterior, você construiu modelos para prever o log da receita de filmes. Você começou com uma regressão linear simples e obteve um RMSE de 7.34. Depois, tentou melhorar com uma iteração de boosting, chegando a um RMSE menor de 7.28.
Neste exercício, você vai construir seu primeiro modelo AdaBoost — um AdaBoostRegressor — para tentar melhorar ainda mais o desempenho.
O conjunto de dados movies foi carregado e dividido em treino e teste. Aqui você usará as variáveis 'budget' e 'popularity', que já foram padronizadas para você usando StandardScaler() do módulo sklearn.preprocessing.
Este exercício faz parte do curso
Métodos de Ensemble em Python
Instruções do exercício
- Instancie o modelo padrão de regressão linear.
- Construa e ajuste um
AdaBoostRegressor, usando a regressão linear como modelo base e12estimadores. - Calcule as previsões no conjunto de teste.
Exercício interativo prático
Experimente este exercício completando este código de exemplo.
# 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))