So hat das Ensemble abgeschnitten
Schauen wir uns die Performance unseres Ensemble-Modells an. Wir sollten in etwa den Durchschnitt der R\(^2\)-Scores sehen sowie ein Streudiagramm, das eine Mischung der Vorhersagen unserer bisherigen Modelle zeigt. Die Schleifenform des Modells mit der benutzerdefinierten Verlustfunktion sollte noch etwas zu erkennen sein, aber die Ränder nahe x=0 sollten weicher ausfallen.
Diese Übung ist Teil des Kurses
<Kurs>Maschinelles Lernen für Finanzen in Python</Kurs>Übungsanweisungen
- Werte die R\(^2\)-Scores auf den Trainings- und Testdaten aus. Verwende dazu die
sklearn-Funktionr2_score()(bereits importiert) mittrain_targetsundtrain_predsaus der vorherigen Übung. - Zeichne die Trainings- und Testvorhersagen im Vergleich zu den tatsächlichen Werten mit
plt.scatter().
Interaktive praktische Übung
Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.
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()