結果を評価する
線形フィットと予測が完了したら、モデルの精度を確認しましょう。モデルが実用に耐えるかどうかを判断するためです。理想的には、あらゆるトレーディング戦略についてバックテストを行うことが望ましいですが、これは複雑で時間のかかる作業です。
より手軽にモデルの性能を把握する方法として、R\(^2\) などの回帰評価指標を確認したり、予測値と目的変数の実際の値をプロットして比較する方法があります。予測が完璧であれば、プロット上の点は直線的な対角線を形成します。これにより、価格変動のさまざまな範囲で予測がどの程度うまくいっているかを視覚的に確認できます。matplotlib の .scatter() 関数を使って、予測値と実測値の散布図を作成しましょう。
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
test_predictionsとtest_targetsの散布図を表示します。各点の不透明度を 20% に設定するには、alphaパラメータを使用してください。np.arange()と x 軸の最小値・最大値（xmin、xmax）を使って、理想的な予測線（完全予測ライン）をプロットします。plt.legend()を使って、プロット上に凡例を表示します。
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。
# Scatter the predictions vs the targets with 20% opacity
plt.scatter(train_predictions, train_targets, alpha=0.2, color='b', label='train')
plt.scatter(____, ____, ____, color='r', label='test')
# Plot the perfect prediction line
xmin, xmax = plt.xlim()
plt.plot(np.arange(xmin, xmax, 0.01), np.arange(____, ____, 0.01), c='k')
# Set the axis labels and show the plot
plt.xlabel('predictions')
plt.ylabel('actual')
____ # show the legend
plt.show()