Vizualizace výsledků
Model s vlastní ztrátovou funkcí máme natrénovaný – teď je čas podívat se, jak si vede. Znovu zkontrolujeme hodnoty R\(^2\) pomocí funkce r2_score() z knihovny sklearn a vytvoříme bodový graf předpovědí oproti skutečným hodnotám pomocí plt.scatter(). Výsledky budou zajímavé!
Toto cvičení je součástí kurzu
Machine Learning for Finance in Python
Pokyny k cvičení
- Vytvoř předpovědi na testovací sadě pomocí
.predict(),model_2ascaled_test_features. - Vyhodnoť skóre R\(^2\) na předpovědích testovací sady s využitím
test_predsatest_targets. - Vykresli skutečné hodnoty oproti cílovým hodnotám testovací sady pomocí
plt.scatter()a pojmenuj je'test'.
Interaktivní cvičení na vyzkoušení si v praxi
Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.
# Evaluate R^2 scores
train_preds = model_2.predict(scaled_train_features)
test_preds = ____
print(r2_score(train_targets, train_preds))
print(____)
# Scatter the predictions vs actual -- this one is interesting!
plt.scatter(train_preds, train_targets, label='train')
plt.scatter(____) # plot test set
plt.legend(); plt.show()