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

ćwiczenie

Wizualizacja wyników

Dopasowaliśmy model z niestandardową funkcją straty – czas sprawdzić, jak sobie radzi. Ponownie sprawdzimy wartości R\(^2\) za pomocą funkcji r2_score() z biblioteki sklearn, a następnie stworzymy wykres punktowy porównujący przewidywania z rzeczywistymi wartościami przy użyciu plt.scatter(). Wyniki mogą być zaskakujące!

Instrukcje

100 XP
  • Wygeneruj przewidywania na zbiorze testowym, używając .predict(), model_2 oraz scaled_test_features.
  • Oblicz wynik R\(^2\) dla przewidywań na zbiorze testowym, korzystając z test_preds i test_targets.
  • Wykreśl wartości docelowe zbioru testowego w stosunku do wartości rzeczywistych za pomocą plt.scatter() i nadaj wykresowi etykietę 'test'.