เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

กำหนด GB regressor

ในแบบฝึกหัดนี้ จะกลับมาใช้ชุดข้อมูล Bike Sharing Demand ที่ได้แนะนำไปในบทก่อน โจทย์คือการพยากรณ์ความต้องการเช่าจักรยานโดยใช้ข้อมูลสภาพอากาศย้อนหลังจากโครงการ Capital Bikeshare ในกรุงวอชิงตัน ดี.ซี. โดยจะใช้ gradient boosting regressor สำหรับงานนี้

ขั้นตอนแรก เริ่มด้วยการสร้าง gradient boosting regressor ซึ่งจะนำไปเทรนในแบบฝึกหัดถัดไป

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

Machine Learning with Tree-Based Models in Python

ดูคอร์ส

คำแนะนำการฝึกหัด

  • นำเข้า GradientBoostingRegressor จาก sklearn.ensemble

  • สร้าง gradient boosting regressor โดยกำหนดพารามิเตอร์ดังนี้:

    • max_depth เป็น 4

    • n_estimators เป็น 200

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# Import GradientBoostingRegressor
____

# Instantiate gb
gb = ____(____=____, 
            ____=____,
            random_state=2)
แก้ไขและรันโค้ด