Ergebnisse visualisieren
Wir haben unser Modell mit der benutzerdefinierten Verlustfunktion trainiert, und jetzt wird es Zeit zu sehen, wie es abschneidet. Wir prüfen erneut die R\(^2\)-Werte mit der Funktion r2_score() aus sklearn und erstellen ein Streudiagramm von Vorhersagen gegenüber tatsächlichen Werten mit plt.scatter(). Das wird zu einigen interessanten Ergebnissen führen!
Diese Übung ist Teil des Kurses
<Kurs>Maschinelles Lernen für Finanzen in Python</Kurs>Übungsanweisungen
- Erstelle Vorhersagen auf dem Testset mit
.predict(),model_2undscaled_test_features. - Bewerte den R\(^2\)-Score für die Vorhersagen auf dem Testset mit
test_predsundtest_targets. - Plotte die Test-Targets gegenüber den tatsächlichen Werten mit
plt.scatter()und beschrifte es mit'test'.
Interaktive praktische Übung
Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.
# 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()