Bekijk hoe de ensemble presteerde
Laten we de prestaties van ons ensemblemodel bekijken om te zien hoe het het doet. We zouden ongeveer het gemiddelde van de R\(^2\)-scores moeten zien, en een scatterplot die een mix is van de voorspellingen van onze eerdere modellen. De vlinderdasvorm van het model met de custom loss function zou nog een beetje zichtbaar moeten zijn, maar de randen bij x=0 zouden zachter moeten zijn.
Deze oefening maakt deel uit van de cursus
Machine Learning voor finance in Python
Oefeninstructies
- Evalueer de R\(^2\)-scores op de train- en testsets. Gebruik de functie
r2_score()uitsklearn(al voor je geïmporteerd) mettrain_targetsentrain_predsuit de vorige oefening. - Plot de train- en testvoorspellingen tegenover de werkelijke waarden met
plt.scatter().
Interactieve oefening met praktijkervaring
Probeer deze oefening door deze voorbeeldcode aan te vullen.
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()