AdaBoost’tan en iyi şekilde yararlanma
Gördüğün gibi, film hasılatını tahmin etmek için AdaBoost, temel tahminci olarak karar ağaçlarıyla en iyi sonuçları veriyor.
Bu egzersizde, daha fazla performans elde etmek için bazı parametreler belirleyeceksin. Özellikle, hiperparametrelerin daha yumuşak güncellenmesi için daha düşük bir öğrenme oranı kullanacaksın. Bu nedenle, tahminci sayısı artmalı. Ayrıca, veriye şu özellikler eklendi: 'runtime', 'vote_average' ve 'vote_count'.
Bu egzersiz, kursun bir parçasıdır
Python'da Ensemble Yöntemleri
Egzersiz talimatları
100tahminci ve0.01öğrenme oranı ile birAdaBoostRegressoroluştur.reg_adayı eğitim setine uydur ve test seti üzerinde tahminleri hesapla.
Uygulamalı etkileşimli egzersiz
Bu egzersizi bu örnek kodu tamamlayarak deneyin.
# Build and fit an 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))