ПочатиПочніть безкоштовно

Регресія з SGB

Як і в попередньому уроці, ви працюватимете з набором даних Bike Sharing Demand. У наступних вправах ви розв'яжете задачу регресії для підрахунку велосипедів, використовуючи стохастичний градієнтний бустинг.

Ця вправа є частиною курсу

Машинне навчання з деревоподібними моделями в Python

Переглянути курс

Інструкції до вправи

  • Створіть екземпляр Stochastic Gradient Boosting Regressor (SGBR) і встановіть:

    • max_depth = 4 та n_estimators = 200,

    • subsample = 0.9, і

    • max_features = 0.75.

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

# Import GradientBoostingRegressor
from sklearn.ensemble import GradientBoostingRegressor

# Instantiate sgbr
sgbr = ____(max_depth=____, 
            subsample=____,
            max_features=____,
            n_estimators=____,
            random_state=2)
Редагувати та запускати код