1. Apprendre
    2. /
  2. Cours
    3. /
  3. Machine Learning pour la finance en Python
Connected

Exercice

Visualiser les résultats

Nous avons entraîné notre modèle avec la fonction de perte personnalisée, et il est temps de voir comment il se comporte. Nous allons vérifier de nouveau les valeurs de R\(^2\) avec la fonction r2_score() de sklearn, et créer un nuage de points des prédictions par rapport aux valeurs réelles avec plt.scatter(). Vous verrez, les résultats sont intéressants !

Instructions

100 XP
  • Générez des prédictions sur l'ensemble de test avec .predict(), model_2 et scaled_test_features.
  • Évaluez le score R\(^2\) sur les prédictions de l'ensemble de test en utilisant test_preds et test_targets.
  • Tracez les cibles de l'ensemble de test par rapport aux valeurs réelles avec plt.scatter() et indiquez l'étiquette 'test'.