Transformer la sortie du backtesting

Une fois le backtesting terminé, vous devrez transformer les données afin d’évaluer efficacement les résultats et de choisir le modèle le plus performant.

Cet exercice fait partie du cours

<cours>Concevoir des pipelines de prévision pour la production</cours>

Voir le cours

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

models = list(ml_models.keys())  

bkt_long = pd.melt(
    bkt_df,
    id_vars=["unique_id", "ds", "cutoff", "y"],
  	# Complete two f-strings
    value_vars=models + [f"{____}-lo-95" for model in models] + [f"{____}-hi-95" for model in models],
    var_name="model_label", 
    value_name="value")

print(bkt_long.head())

Modifier et exécuter le code