以樹為基礎的 AdaBoost 迴歸
AdaBoost 模型通常以決策樹作為基礎估計器。現在就來試試看，看看模型效能是否能再進一步提升。
為了公平比較，我們和之前一樣使用 12 個估計器。由於預設的基礎估計器就是決策樹，無需手動建立。
本練習屬於課程
Python 的 Ensemble 方法
練習說明
- 建立並擬合一個使用
12個估計器的AdaBoostRegressor。不需要另外指定基礎估計器。 - 在測試集上計算預測值。
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。
# 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))