Predicția veniturilor din filme cu CatBoost

Să încheiem acest capitol despre boosting revenind la setul de date movies! În acest exercițiu, vei construi un CatBoostRegressor pentru a prezice log-venitul. Reamintește-ți că cel mai bun model de până acum este modelul AdaBoost, cu un RMSE de 5.15.

Oare CatBoost îl va depăși pe AdaBoost? Vom încerca să folosim un set similar de parametri pentru o comparație corectă.

Amintește-ți că acestea sunt caracteristicile utilizate până acum: 'budget', 'popularity', 'runtime', 'vote_average' și 'vote_count'. catboost a fost importat pentru tine ca cb.

ATENȚIE: ai grijă să nu folosești un clasificator, altfel sesiunea ta ar putea expira!

Acest exercițiu face parte din cursul

Metode de ansamblu în Python

Vezi cursul

Instrucțiuni pentru exercițiu

Construiește și antrenează un CatBoostRegressor folosind 100 estimatori, o rată de învățare de 0.1 și o adâncime maximă de 3.
Calculează predicțiile pentru setul de testare și afișează RMSE-ul.

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

import catboost as cb

# Build and fit a CatBoost regressor
reg_cat = ____.____(____, ____, ____, random_state=500)
____

# Calculate the predictions on the test set
pred = ____

# Evaluate the performance using the RMSE
rmse_cat = np.sqrt(mean_squared_error(y_test, pred))
print('RMSE (CatBoost): {:.3f}'.format(rmse_cat))

Editează și rulează codul