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

ćwiczenie

Oceń wyniki modelu

Po dopasowaniu modelu liniowego i wygenerowaniu predykcji warto sprawdzić, jak dobre są te przewidywania – pomoże to ocenić, czy model nadaje się do użycia. Idealnym rozwiązaniem byłoby przeprowadzenie backtestingu strategii tradingowej, jednak jest to proces złożony i zazwyczaj czasochłonny.

Szybszym sposobem oceny modelu jest analiza metryk regresji, takich jak R\(^2\), oraz porównanie predykcji z rzeczywistymi wartościami zmiennej docelowej na wykresie. Doskonałe predykcje układałyby się wzdłuż prostej linii przekątnej, co pozwala na szybką ocenę wzrokową jakości przewidywań w różnych zakresach zmian cen. Do tworzenia wykresów punktowych predykcji i wartości rzeczywistych możesz użyć funkcji .scatter() z biblioteki matplotlib.

Instrukcje

100 XP
  • Wyświetl test_predictions w porównaniu z test_targets na wykresie punktowym, ustawiając 20% nieprzezroczystości punktów (użyj parametru alpha).
  • Narysuj linię idealnych predykcji, korzystając z np.arange() oraz minimalnej i maksymalnej wartości osi x (xmin, xmax).
  • Wyświetl legendę wykresu za pomocą plt.legend().