使用 CatBoost 預測電影營收
用 movies 資料集來為本章的 boosting 作結吧！在這個練習中，你將建立一個 CatBoostRegressor 來預測對數營收。記得目前表現最好的模型是 AdaBoost，RMSE 為 5.15。
CatBoost 能贏過 AdaBoost 嗎？我們會盡量使用相近的參數來做公平比較。
回顧一下，我們目前使用的特徵為：'budget'、'popularity'、'runtime'、'vote_average'、'vote_count'。catboost 已經以 cb 匯入。
注意：千萬別使用分類器，否則你的工作階段可能會逾時！
本練習屬於課程
Python 的 Ensemble 方法
練習說明
- 建立並訓練一個
CatBoostRegressor，使用100個 estimators、學習率0.1，以及最大深度3。 - 計算測試集的預測值，並列印 RMSE。
動手互動練習
試著完成這個範例程式碼，體驗一下這個練習。
import catboost as cb
# Build and fit a CatBoost regressor
reg_cat = ____.____(____, ____, ____, random_state=500)
____
# Calculate the predictions on the test set
pred = ____
# Evaluate the performance using the RMSE
rmse_cat = np.sqrt(mean_squared_error(y_test, pred))
print('RMSE (CatBoost): {:.3f}'.format(rmse_cat))