1. Learn
    2. /
  2. Courses
    3. /
  3. Machine Learning for Finance in Python
Connected

Exercise

Vyhodnocení výsledků

Jakmile máme lineární fit a předpovědi, chceme zjistit, jak přesné jsou – abychom mohli posoudit, jestli náš model funguje dobře. Ideálně bychom měli každou obchodní strategii podrobit back-testingu. To je ale komplexní a časově náročný proces.

Rychlým způsobem, jak pochopit výkon modelu, je podívat se na evaluační metriky regrese, jako je R\(^2\), a vykreslit předpovědi oproti skutečným hodnotám cílové proměnné. Dokonalé předpovědi by v takovém grafu tvořily přímou diagonální čáru – díky tomu snadno odhadneme, jak si model vede v různých oblastech cenových změn. K vytvoření scatter plotů předpovědí a skutečných hodnot můžeme využít funkci .scatter() z knihovny matplotlib.

Instructions

100 XP
  • Zobraz test_predictions vs test_targets ve scatter plotu s 20% neprůhledností bodů (nastav neprůhlednost pomocí parametru alpha).
  • Vykresli linii dokonalých předpovědí pomocí np.arange() a minimální a maximální hodnoty z osy x (xmin, xmax).
  • Zobraz legendu grafu pomocí plt.legend().