CatBoost ile film geliri tahmini

Hadi bu boosting bölümünü movies veri kümesine geri dönerek tamamlayalım! Bu egzersizde, log-geliri tahmin etmek için bir CatBoostRegressor kuracaksın. Şu ana kadarki en iyi modelimizin RMSE değeri 5.15 olan AdaBoost modeli olduğunu unutma.

CatBoost, AdaBoost'u geçecek mi? Adil bir karşılaştırma için benzer bir dizi parametre kullanmayı deneyeceğiz.

Şimdiye kadar kullandığımız öznitelikleri hatırla: 'budget', 'popularity', 'runtime', 'vote_average' ve 'vote_count'. catboost senin için cb olarak içe aktarılmış durumda.

NOT: Bir sınıflandırıcı kullanmamaya dikkat et, yoksa oturumun zaman aşımına uğrayabilir!

Bu egzersiz, kursun bir parçasıdır

Python'da Ensemble Yöntemleri

Kursa Göz Atın

Egzersiz talimatları

100 tahminci, 0.1 öğrenme oranı ve 3 maksimum derinlik ile bir CatBoostRegressor kur ve eğit.
Test kümesi için tahminleri hesapla ve RMSE'yi yazdır.

Uygulamalı etkileşimli egzersiz

Bu egzersizi bu örnek kodu tamamlayarak deneyin.

import catboost as cb

# Build and fit a CatBoost regressor
reg_cat = ____.____(____, ____, ____, random_state=500)
____

# Calculate the predictions on the test set
pred = ____

# Evaluate the performance using the RMSE
rmse_cat = np.sqrt(mean_squared_error(y_test, pred))
print('RMSE (CatBoost): {:.3f}'.format(rmse_cat))

Kodu Düzenle ve Çalıştır