模型混合（Blending）
你將以「blending」技術開始建立模型集成（ensemble）。
你的目標是針對 New York City Taxi 競賽的資料訓練 2 個不同的模型。對測試資料做預測，接著用簡單的算術平均將兩者混合。
train 與 test 這兩個 DataFrame 已在你的工作區中可用。features 是用於訓練的欄位名稱清單，也已在你的工作區中可用。目標變數名稱為「fare_amount」。
本練習屬於課程
用 Python 拿下 Kaggle 競賽
練習說明
- 使用
features清單在訓練資料上訓練一個 Gradient Boosting 模型，並以「fare_amount」欄作為目標變數。 - 以相同方式訓練一個 Random Forest 模型。
- 使用兩個模型（Gradient Boosting 與 Random Forest）對測試資料進行預測。
- 計算兩個模型預測值的平均。
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。
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))