ПочатиПочніть безкоштовно

Регресія AdaBoost на основі дерев

Моделі AdaBoost зазвичай будують із деревами рішень як базовими оцінювачами. Спробуймо це зараз і подивімося, чи покращиться якість моделі ще більше.

Використаємо дванадцять оцінювачів, як і раніше, щоб коректно порівняти результати. Немає потреби створювати дерево рішень окремо — воно є базовим оцінювачем за замовчуванням.

Ця вправа є частиною курсу

Ансамблеві методи в Python

Переглянути курс

Інструкції до вправи

  • Побудуйте та навчіть AdaBoostRegressor, використовуючи 12 оцінювачів. Вам не потрібно вказувати базовий алгоритм.
  • Обчисліть прогнози на тестовій вибірці.

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

# 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))
Редагувати та запускати код