アンサンブルモデルの性能を確認する
アンサンブルモデルの性能を確認してみましょう。R$^2$スコアはおおよそ各モデルの平均値になるはずです。また、散布図にはこれまでのモデルの予測が混在した形で表示されます。カスタム損失関数モデル由来の蝶ネクタイ状の形はまだわずかに見えますが、x=0付近のエッジは以前より滑らかになっているはずです。
この演習はコースの一部です
Python による金融のための Machine Learning
演習の手順
- 訓練セットとテストセットのR$^2$スコアを評価します。
sklearnのr2_score()関数（インポート済み）を使い、前の演習で作成したtrain_targetsとtrain_predsを指定してください。 plt.scatter()を使って、訓練データとテストデータの予測値と実際の値を散布図でプロットします。
実践的なインタラクティブ演習
このサンプルコードを完成させて、この演習に挑戦してみましょう。
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()