1. Learn
    2. /
  2. Курси
    3. /
  3. Machine Learning pour la finance en Python
Connected

Вправа

Mesurer la performance

Maintenant que nous avons entraîné notre réseau de neurones, vérifions la performance pour voir à quel point le modèle prédit bien de nouvelles valeurs. Il n'existe pas de méthode intégrée .score() comme pour les modèles sklearn, donc nous allons utiliser la fonction r2_score() de sklearn.metrics. Celle-ci calcule la cote R\(^2\) à partir des arguments (y_true, y_predicted). Nous allons aussi tracer de nouveau nos prédictions par rapport aux valeurs réelles. Vous verrez bientôt des résultats intéressants (une fois que nous aurons implanté notre propre fonction de perte personnalisée).

Інструкції

100 XP
  • Obtenez les prédictions de model_1 sur l'ensemble de test mis à l'échelle (scaled_test_features et test_targets).
  • Affichez la cote R\(^2\) sur l'ensemble de test (test_targets et test_preds).
  • Tracez test_preds par rapport à test_targets dans un nuage de points avec plt.scatter().