Linie de bază bazată pe gradient boosting

Hai să construim o linie de bază finală folosind Random Forest. Ai văzut o îmbunătățire semnificativă a scorului în video, trecând de la linia de bază cu grupare la Gradient Boosting. Acum vei folosi Random Forest din sklearn pentru a îmbunătăți și mai mult acest scor.

Scopul acestui exercițiu este să folosești caracteristicile numerice și să antrenezi un model Random Forest fără nicio ajustare a hiperparametrilor. Apoi poți genera predicții pe setul de testare și valida rezultatul pe clasamentul public. Reține că ai deja o caracteristică "hour" care poate fi folosită și ea ca intrare în model.

Acest exercițiu face parte din cursul

Câștigarea unei competiții Kaggle în Python

Vezi cursul

Instrucțiuni pentru exercițiu

Adaugă caracteristica "hour" la lista de caracteristici numerice.
Antrenează RandomForestRegressor pe datele de antrenament, folosind caracteristicile numerice și "fare_amount" ca variabilă țintă.
Folosește modelul Random Forest antrenat pentru a genera predicții pe datele de testare.

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

from sklearn.ensemble import RandomForestRegressor

# Select only numeric features
features = ['pickup_longitude', 'pickup_latitude', 'dropoff_longitude',
            'dropoff_latitude', 'passenger_count', ____]

# Train a Random Forest model
rf = RandomForestRegressor()
rf.____(train[____], train.fare_amount)

# Make predictions on the test data
test['fare_amount'] = ____.____(test[features])

# Write predictions
test[['id','fare_amount']].to_csv('rf_sub.csv', index=False)

Editează și rulează codul