Voyez la performance de l'ensemble
Vérifions la performance de notre modèle ensembliste pour voir comment il s'en sort. Nous devrions obtenir environ la moyenne des scores R\(^2\), ainsi qu'un nuage de points qui combine les prédictions de nos modèles précédents. La forme en nœud papillon du modèle avec fonction de perte personnalisée devrait encore être un peu visible, mais les bords près de x=0 devraient être plus doux.
Cette activité fait partie du cours
Machine Learning pour la finance en Python
Instructions de l’exercice
- Évaluez les scores R\(^2\) sur les ensembles d'entraînement et de test. Utilisez la fonction
r2_score()desklearn(déjà importée pour vous) avectrain_targetsettrain_predsde l'exercice précédent. - Tracez les prédictions d'entraînement et de test par rapport aux valeurs réelles avec
plt.scatter().
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
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()