Ağaç tabanlı AdaBoost regresyonu
AdaBoost modelleri genellikle temel tahmin edici olarak karar ağaçlarıyla kurulur. Hadi şimdi bunu deneyelim ve model performansı daha da iyileşiyor mu görelim.
Adil bir karşılaştırma için önceki gibi on iki tahmin edici kullanacağız. Karar ağacını ayrıca oluşturmanın gereği yok; varsayılan olarak temel tahmin edici odur.
Bu egzersiz, kursun bir parçasıdır
Python'da Ensemble Yöntemleri
Egzersiz talimatları
12tahmin edici kullanarak birAdaBoostRegressoroluşturup eğit. Temel tahmin edici belirtmene gerek yok.- Test kümesi üzerinde tahminleri hesapla.
Uygulamalı etkileşimli egzersiz
Bu egzersizi bu örnek kodu tamamlayarak deneyin.
# 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))