성능 측정
이제 신경망을 학습했으니, 새 값을 얼마나 잘 예측하는지 성능을 확인해 보겠습니다. sklearn 모델처럼 내장된 .score() 메서드는 없으므로, sklearn.metrics의 r2_score() 함수를 사용하겠습니다. 이 함수는 (y_true, y_predicted) 인자를 받아 R\(^2\) 점수를 계산합니다. 또한 예측값과 실제값을 다시 한 번 그려 보겠습니다. 곧(직접 만든 custom loss function을 적용하면) 흥미로운 결과가 나올 거예요.
이 연습은 강의의 일부입니다
Python으로 배우는 금융 분야 Machine Learning
연습 안내
- 스케일된 테스트 세트 데이터(
scaled_test_features와test_targets)에 대해model_1의 예측값을 구하세요. - 테스트 세트에 대한 R\(^2\) 점수(
test_targets와test_preds)를 출력하세요. - 산점도로
test_preds와test_targets를plt.scatter()로 그리세요.
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
from sklearn.metrics import r2_score
# Calculate R^2 score
train_preds = model_1.predict(scaled_train_features)
test_preds = model_1.predict(____)
print(r2_score(train_targets, train_preds))
print(r2_score(____, ____))
# Plot predictions vs actual
plt.scatter(train_preds, train_targets, label='train')
plt.scatter(____)
plt.legend()
plt.show()