Kom igångKom igång gratis

Din första AdaBoost-modell

I föregående lektion byggde du modeller för att förutsäga filmers log-intäkter. Du började med en enkel linjär regression och fick ett RMSE på 7.34. Sedan försökte du förbättra resultatet med en iteration av boosting och kom ner till ett lägre RMSE på 7.28.

I den här övningen bygger du din första AdaBoost-modell – en AdaBoostRegressor – i ett försök att förbättra prestandan ytterligare.

Datamängden movies har laddats in och delats upp i tränings- och testmängder. Här använder du särdragen 'budget' och 'popularity', som redan har standardiserats åt dig med hjälp av StandardScaler() från modulen sklearn.preprocessing.

Den här övningen är en del av kursen

Ensemblemetoder i Python

Visa kurs

Övningsinstruktioner

  • Instansiera standardmodellen för linjär regression.
  • Bygg och träna en AdaBoostRegressor med den linjära regressionen som basmodell och 12 estimatorer.
  • Beräkna prediktionerna på testmängden.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# 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))
Redigera och kör kod