使用 CatBoost 预测电影收入

让我们回到 movies 数据集，为本章的 boosting 学习画上句号！在本练习中，您将构建一个 CatBoostRegressor 来预测对数收入（log-revenue）。请记住，目前我们最好的模型是 AdaBoost，RMSE 为 5.15。

CatBoost 能超过 AdaBoost 吗？我们将尽量使用相近的参数，方便公平对比。

回顾一下，我们一直使用的特征包括：'budget'、'popularity'、'runtime'、'vote_average' 和 'vote_count'。catboost 已为您导入为 cb。

注意：请务必不要使用分类器，否则您的会话可能会过期！

本练习是课程的一部分

Python 中的集成方法

查看课程

练习说明

构建并拟合一个 CatBoostRegressor，使用 100 个基学习器、学习率为 0.1、最大深度为 3。
计算测试集的预测并打印 RMSE。

交互式实操练习

通过完成这段示例代码来试试这个练习。

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))

编辑并运行代码