Cum să obții maximum din AdaBoost

Așa cum ai văzut, pentru predicția veniturilor din filme, AdaBoost oferă cele mai bune rezultate atunci când se folosesc arbori de decizie ca estimatori de bază.

În acest exercițiu, vei specifica anumiți parametri pentru a extrage și mai multă performanță. În special, vei folosi o rată de învățare mai mică pentru o actualizare mai lină a hiperparametrilor. Prin urmare, numărul de estimatori ar trebui să crească. În plus, următoarele caracteristici au fost adăugate la date: 'runtime', 'vote_average' și 'vote_count'.

Acest exercițiu face parte din cursul

Metode de ansamblu în Python

Vezi cursul

Instrucțiuni pentru exercițiu

Construiește un AdaBoostRegressor folosind 100 de estimatori și o rată de învățare de 0.01.
Antrenează reg_ada pe setul de antrenament și calculează predicțiile pe setul de testare.

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

# 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))

Editează și rulează codul