ПочатиПочніть безкоштовно

Ваш перший модель AdaBoost

У попередньому уроці ви будували моделі для передбачення лог-доходу фільмів. Ви почали з простої лінійної регресії та отримали RMSE 7.34. Потім спробували покращити результат однією ітерацією бустингу та знизили RMSE до 7.28.

У цій вправі ви збудуєте свій перший модель AdaBoost — AdaBoostRegressor — щоб спробувати ще більше підвищити якість.

Набір даних movies уже завантажено та розбито на тренувальну і тестову вибірки. Тут ви використаєте ознаки 'budget' та 'popularity', які заздалегідь було стандартизовано за допомогою StandardScaler() з модуля sklearn.preprocessing.

Ця вправа є частиною курсу

Ансамблеві методи в Python

Переглянути курс

Інструкції до вправи

  • Створіть модель лінійної регресії з параметрами за замовчуванням.
  • Побудуйте та навчіть AdaBoostRegressor, використавши лінійну регресію як базову модель і 12 оцінювачів.
  • Обчисліть прогнози на тестовій вибірці.

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

# Instantiate the default linear regression model
reg_lm = ____

# 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))
Редагувати та запускати код