Jak si vedl ensemble?
Pojďme zkontrolovat výkon našeho ensemblovaného modelu. Měli bychom vidět přibližně průměr skóre R\(^2\) a také bodový graf, který je kombinací predikcí našich předchozích modelů. Tvar „motýlka" z modelu s vlastní ztrátovou funkcí by měl být stále trochu patrný, ale hrany poblíž x=0 by měly být plynulejší.
Toto cvičení je součástí kurzu
Machine Learning for Finance in Python
Pokyny k cvičení
- Vyhodnoť skóre R\(^2\) na trénovací a testovací sadě. Použij funkci
r2_score()z knihovnysklearn(už je naimportovaná) s hodnotamitrain_targetsatrain_predsz předchozího cvičení. - Vykresli predikce pro trénovací a testovací sadu oproti skutečným hodnotám pomocí
plt.scatter().
Interaktivní cvičení na vyzkoušení si v praxi
Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.
from sklearn.metrics import r2_score
# Evaluate the R^2 scores
print(r2_score(____, ____))
print(r2_score(test_targets, test_preds))
# Scatter the predictions vs actual -- this one is interesting!
plt.scatter(____, ____, ____)
plt.scatter(test_preds, test_targets, label='test')
plt.legend(); plt.show()