Definiera GB-regressorn
Nu återvänder du till datamängden Bike Sharing Demand som introducerades i föregående kapitel. Kom ihåg att uppgiften är att förutsäga efterfrågan på cykeluthyrning med hjälp av historiska väderdata från Capital Bikeshare-programmet i Washington, D.C. För detta ändamål använder du en gradient boosting-regressor.
Som ett första steg börjar du med att instansiera en gradient boosting-regressor som du sedan tränar i nästa övning.
Den här övningen är en del av kursen
Maskininlärning med trädbaserade modeller i Python
Övningsinstruktioner
Importera
GradientBoostingRegressorfrånsklearn.ensemble.Instansiera en gradient boosting-regressor genom att ange följande parametrar:
max_depthtill 4n_estimatorstill 200
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# Import GradientBoostingRegressor
____
# Instantiate gb
gb = ____(____=____,
____=____,
random_state=2)