Прогнозирование кассовых сборов с помощью CatBoost

Завершим эту главу о бустинге, вернувшись к набору данных movies! В этом упражнении вы построите модель CatBoostRegressor для предсказания логарифма кассовых сборов. Напомним, что лучшая модель на данный момент — AdaBoost с RMSE равным 5.15.

Сможет ли CatBoost обойти AdaBoost? Для честного сравнения попробуем использовать схожий набор параметров.

Напомним, что мы использовали следующие признаки: 'budget', 'popularity', 'runtime', 'vote_average' и 'vote_count'. Библиотека catboost уже импортирована как cb.

ВАЖНО: не используйте классификатор — иначе сессия может завершиться!

Это упражнение является частью курса

Ансамблевые методы в Python

Посмотреть курс

Инструкции к упражнению

Постройте и обучите модель CatBoostRegressor, используя 100 оценщиков, скорость обучения 0.1 и максимальную глубину 3.
Вычислите предсказания для тестовой выборки и выведите значение RMSE.

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

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))

Редактировать и запускать код