Comparação de Floresta Aleatória e Reforço de Gradiente Histograma

# Introdução

Neste laboratório, compararemos o desempenho de dois modelos de conjunto populares, Random Forest (RF) e Histogram Gradient Boosting (HGBT), para um conjunto de dados de regressão em termos de pontuação e tempo de computação. Variaremos os parâmetros que controlam o número de árvores de acordo com cada estimador e plotaremos os resultados para visualizar o trade-off entre o tempo de computação decorrido e a pontuação média de teste.

## Dicas da Máquina Virtual

Após o arranque da VM, clique no canto superior esquerdo para mudar para a aba **Notebook** para aceder ao [Jupyter Notebook](https://support.labex.io/en/labex-vm/jupyter) para a prática.

Por vezes, pode ser necessário esperar alguns segundos para o Jupyter Notebook terminar de carregar. A validação das operações não pode ser automatizada devido a limitações no Jupyter Notebook.

Se tiver problemas durante o aprendizado, não hesite em contactar o Labby. Forneça feedback após a sessão e resolveremos prontamente o problema para si.