您的第一个 AdaBoost 模型
在上一课中，您构建了用于预测电影对数收入的模型。您先从简单的线性回归开始，得到的 RMSE 为 7.34。随后，您尝试进行一次提升（boosting）迭代，将 RMSE 降至 7.28。
在本练习中，您将构建第一个 AdaBoost 模型——AdaBoostRegressor，以期进一步提升性能。
movies 数据集已加载并拆分为训练集和测试集。这里您将使用 'budget' 和 'popularity' 两个特征，这些特征已使用 sklearn.preprocessing 模块中的 StandardScaler() 为您标准化。
本练习是课程的一部分
Python 中的集成方法
练习说明
- 实例化默认的线性回归模型。
- 构建并拟合一个
AdaBoostRegressor，将线性回归作为基学习器，并使用12个估计器。 - 在测试集上计算预测结果。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# Instantiate the default linear regression model
reg_lm = ____
# 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))