Model harmanlama
Bu egzersizde blending tekniğiyle model toplulukları oluşturmaya başlayacaksın.
Amacın, New York City Taxi yarışması verisi üzerinde 2 farklı model eğitmek. Test verisi üzerinde tahminler yap ve ardından bu tahminleri basit aritmetik ortalama ile harmanla.
train ve test DataFrame'leri çalışma alanında hazır. Eğitim için kullanılacak sütunların listesi olan features da mevcut. Hedef değişkenin adı "fare_amount".
Bu egzersiz, kursun bir parçasıdır
Python ile Bir Kaggle Yarışmasını Kazanmak
Egzersiz talimatları
featureslistesini kullanarak, hedef değişken olarak "fare_amount" sütununu alıp train verisi üzerinde bir Gradient Boosting modeli eğit.- Aynı şekilde bir Random Forest modeli eğit.
- Hem Gradient Boosting hem de Random Forest modelleriyle test verisi üzerinde tahmin yap.
- Her iki modelin tahminlerinin ortalamasını bul.
Uygulamalı etkileşimli egzersiz
Bu egzersizi bu örnek kodu tamamlayarak deneyin.
from sklearn.ensemble import GradientBoostingRegressor, RandomForestRegressor
# Train a Gradient Boosting model
gb = GradientBoostingRegressor().____(____[features], ____.fare_amount)
# Train a Random Forest model
rf = RandomForestRegressor().____(____[features], ____.fare_amount)
# Make predictions on the test data
test['gb_pred'] = ____.____(test[features])
test['rf_pred'] = ____.____(test[features])
# Find mean of model predictions
test['blend'] = (____[____] + ____[____]) / 2
print(test[['gb_pred', 'rf_pred', 'blend']].head(3))