Bắt đầu ngayBắt đầu miễn phí

Khai thác tối đa AdaBoost

Như bạn đã thấy, để dự đoán doanh thu phim, AdaBoost cho kết quả tốt nhất khi dùng cây quyết định làm bộ ước lượng cơ sở.

Trong bài tập này, bạn sẽ chỉ định một số tham số để khai thác thêm hiệu năng. Cụ thể, bạn sẽ dùng learning rate thấp hơn để việc cập nhật siêu tham số mượt mà hơn. Vì vậy, số lượng estimator nên tăng lên. Ngoài ra, các đặc trưng sau đã được thêm vào dữ liệu: 'runtime', 'vote_average', và 'vote_count'.

Bài tập này là một phần của khóa học

Ensemble Methods in Python

Xem khóa học

Hướng dẫn bài tập

  • Xây dựng một AdaBoostRegressor với 100 estimator và learning rate bằng 0.01.
  • Fit reg_ada trên tập huấn luyện và tính dự đoán trên tập kiểm tra.

Bài tập tương tác thực hành trực tiếp

Hãy thử làm bài tập này bằng cách hoàn thành đoạn mã mẫu này.

# 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))
Chỉnh sửa và Chạy Mã