1. Nauka
    2. /
  2. Kursy
    3. /
  3. Uczenie maszynowe w finansach z Pythonem
Connected

ćwiczenie

Ocena wydajności modelu

Na koniec – jak zawsze – warto ocenić wydajność najlepszego modelu i sprawdzić, jak dobrze sobie radzi. Najlepszym rozwiązaniem byłoby przeprowadzenie backtestingu, ale to złożony proces, który wykracza poza zakres tego kursu.

Zapoznaliśmy się już z wynikami R\(^2\), więc teraz przyjrzyjmy się wykresowi punktowemu porównującemu przewidywania z rzeczywistymi wartościami – z użyciem biblioteki matplotlib. Idealne przewidywania układają się wzdłuż linii przekątnej biegnącej od lewego dolnego do prawego górnego rogu.

Instrukcje

100 XP
  • Użyj najlepszej wartości parametru max_features dla RandomForestRegressor (rfr), którą znaleziono w poprzednim ćwiczeniu (była to wartość 4).
  • Wygeneruj przewidywania za pomocą modelu, korzystając z train_features i test_features.
  • Utwórz wykres punktowy, porównując rzeczywiste wartości docelowe (train/test_targets) z przewidywaniami (train/test_predictions), i oznacz zbiory danych etykietami train oraz test.