Ваша первая модель AdaBoost
В предыдущем уроке вы строили модели для предсказания логарифма выручки фильмов. Сначала вы использовали простую линейную регрессию и получили RMSE равный 7,34. Затем попробовали улучшить результат с помощью одной итерации бустинга и снизили RMSE до 7,28.
В этом упражнении вы построите свою первую модель AdaBoost — AdaBoostRegressor — чтобы улучшить качество предсказаний ещё больше.
Набор данных movies уже загружен и разбит на обучающую и тестовую выборки. Здесь вы будете использовать признаки 'budget' и 'popularity', которые были предварительно стандартизированы с помощью StandardScaler() из модуля sklearn.preprocessing.
Это упражнение является частью курса
Ансамблевые методы в Python
Инструкции к упражнению
- Создайте модель линейной регрессии с настройками по умолчанию.
- Создайте и обучите
AdaBoostRegressor, используя линейную регрессию в качестве базовой модели и12оценщиков. - Рассчитайте предсказания на тестовой выборке.
Интерактивное практическое упражнение
Попробуйте выполнить это упражнение, дополнив этот пример кода.
# 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))