基于树的 AdaBoost 回归
AdaBoost 模型通常使用决策树作为基学习器。现在就来试试这种做法，看看模型表现是否还能进一步提升。
为公平对比，我们像之前一样使用 12 个基学习器。无需手动实例化决策树，因为它是默认的基学习器。
本练习是课程的一部分
Python 中的集成方法
练习说明
- 构建并拟合一个使用
12个基学习器的AdaBoostRegressor。您不必指定基学习器。 - 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。
# 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))