Wie können Sie MSE/RMSE nach dem Tuning, der Datenerweiterung und der Ausreißerentfernung weiter reduzieren? [geschlosse ⇐ Python

[Anonymous]

Ich verwende das Catboost -Modell mit 100 Daten und habe Datenvergrößerung, Hyperparameter -Abstimmung, Kreuzvalidierung, Isolationswald und RandomizedSearchCV durchgeführt. Am Ende könnte ich dieses Ergebnis als Minimum: < /p>
haben: < /p>

Code: Select all

Tuned CatBoost with Isolation Forest + Augmentation Model → MSE: 4062.61, RMSE: 63.74, R²: 0.9989
Tuned CatBoost with Isolation Forest + Augmentation 10-Fold CV RMSE: [319.47092218  36.47791126 468.55095141 133.94190436  45.46218705
104.49212969  93.89201169 177.19812971 283.95153831 114.13156753]
Mean RMSE: 177.76, Std Dev: 131.05

Best Hyperparameters: {'random_strength': 0.5, 'learning_rate': 0.03, 'l2_leaf_reg': 1, 'iterations': 1500, 'depth': 8, 'boosting_type': 'Ordered', 'bagging_temperature': 0.5}

Ich weiß jedoch, dass dieses Ergebnis für den Trainingsmodus nicht ausreicht. Was sollte ich sonst noch tun, um die MSE und RMSE abzunehmen?