Trädbaserad AdaBoost-regression
AdaBoost-modeller byggs vanligtvis med beslutsträd som basestimatorer. Låt oss prova det nu och se om modellens prestanda förbättras ytterligare.
Vi använder tolv estimatorer som tidigare för att få en rättvis jämförelse. Du behöver inte instansiera beslutsträdet eftersom det är standardvalet för basestimator.
Den här övningen är en del av kursen
Ensemblemetoder i Python
Övningsinstruktioner
- Bygg och träna en
AdaBoostRegressormed12estimatorer. Du behöver inte ange någon basestimator. - Beräkna prediktionerna på testmängden.
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# Build and fit a tree-based 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))