Змішування моделей
Почніть створювати ансамблі моделей за допомогою техніки blending (змішування).
Ваше завдання — навчити 2 різні моделі на даних змагання New York City Taxi. Зробіть прогнози на тестових даних, а потім змішайте їх простим арифметичним середнім.
Датафрейми train і test вже доступні у вашому робочому середовищі. features — це список стовпців, які будуть використані для навчання, і він також доступний у вашому середовищі. Назва цільової змінної — "fare_amount".
Ця вправа є частиною курсу
Як перемагати в змаганнях Kaggle за допомогою Python
Інструкції до вправи
- Навчіть модель Gradient Boosting на тренувальних даних, використовуючи список
features, а стовпець "fare_amount" — як цільову змінну. - Навчіть модель Random Forest аналогічним чином.
- Зробіть прогнози на тестових даних, використовуючи обидві моделі — Gradient Boosting і Random Forest.
- Знайдіть середнє значення прогнозів обох моделей.
Інтерактивна практична вправа
Спробуйте виконати цю вправу, доповнивши цей зразок коду.
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))