Evaluasi kinerja

Terakhir, seperti biasa, kita ingin mengevaluasi kinerja model terbaik kita untuk memeriksa seberapa baik atau buruk hasilnya. Idealnya yang terbaik adalah melakukan back-testing, tetapi itu merupakan proses yang cukup rumit dan tidak tercakup dalam kursus ini.

Kita sudah melihat skor R\(^2\), tetapi mari kita lihat scatter plot antara prediksi dan hasil aktual menggunakan matplotlib. Prediksi sempurna akan membentuk garis diagonal dari kiri bawah ke kanan atas.

Latihan ini merupakan bagian dari kursus

Machine Learning untuk Keuangan dengan Python

Lihat Kursus

Instruksi latihan

Gunakan jumlah terbaik untuk max_features pada RandomForestRegressor (rfr) yang kita temukan pada latihan sebelumnya (nilainya 4).
Buat prediksi menggunakan model dengan train_features dan test_features.
Buat scatter antara target aktual (train/test_targets) dan prediksi (train/test_predictions), lalu beri label himpunan data tersebut sebagai train dan test.

Latihan interaktif langsung praktik

Cobalah latihan ini dengan melengkapi kode contoh ini.

# Use the best hyperparameters from before to fit a random forest model
rfr = RandomForestRegressor(n_estimators=200, max_depth=3, max_features=____, random_state=42)
rfr.fit(train_features, train_targets)

# Make predictions with our model
train_predictions = rfr.predict(____)
test_predictions = ____

# Create a scatter plot with train and test actual vs predictions
plt.scatter(train_targets, train_predictions, label='train')
plt.scatter(____)
plt.legend()
plt.show()

Edit dan Jalankan Kode