प्रेडिक्शन लें और पहली मूल्यांकन
अब जबकि हमारे पास प्रशिक्षित रैंडम फॉरेस्ट मॉडल (rfr) है, हम इसे टेस्ट सेट पर प्रेडिक्शन लेने के लिए उपयोग करना चाहते हैं. हम ऐसा अपने मॉडल के प्रदर्शन का मूल्यांकन करने के लिए करते हैं — बुनियादी स्तर पर, क्या यह सिर्फ इंडेक्स SPY खरीदने से बेहतर या कम से कम उतना ही अच्छा कर रहा है?
हम सामान्य sklearn .predict(features) मेथड का उपयोग करेंगे, फिर अपने पोर्टफोलियो प्रेडिक्शंस से मासिक रिटर्न्स को गुणा करेंगे. हम इन्हें np.sum() से जोड़ेंगे क्योंकि प्रत्येक महीने के लिए 3 पंक्तियाँ होंगी. फिर हम अपनी प्रेडिक्शंस से मिले मासिक रिटर्न्स और SPY — दोनों को प्लॉट करेंगे और उनकी तुलना करेंगे.
यह अभ्यास पाठ्यक्रम का हिस्सा है
Python में Finance के लिए Machine Learning
अभ्यास निर्देश
rfrरैंडम फॉरेस्ट मॉडल की.predict()मेथड का उपयोग करकेtrain_featuresऔरtest_featuresपर प्रेडिक्शन लें.returns_monthlyके टेस्ट सेट भाग कोtest_predictionsसे गुणा करें ताकि टेस्ट सेट प्रेडिक्शंस के रिटर्न्स मिलें.- टेस्ट सेट के लिए
'SPY'काreturns_monthlyप्लॉट करें (डेटा मेंtrain_sizeसे अंत तक का हिस्सा).
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
# Get predictions from model on train and test
train_predictions = rfr.predict(train_features)
test_predictions = ____
# Calculate and plot returns from our RF predictions and the SPY returns
test_returns = np.sum(returns_monthly.iloc[train_size:] * ____, axis=1)
plt.plot(test_returns, label='algo')
plt.plot(returns_monthly['SPY'].iloc[____], label='SPY')
plt.legend()
plt.show()