1. Learn
    2. /
  2. Cursuri
    3. /
  3. Machine Learning pentru finanțe în Python
Connected

exercițiu

Verificăm rezultatele

După ce obținem un model optimizat, vrem să analizăm performanța acestuia în detaliu. Am văzut deja scorul R\(^2\), dar poate fi util să vizualizăm predicțiile comparativ cu valorile reale. Putem folosi metoda .predict() a modelului nostru de arbore de decizie pentru a obține predicții pe seturile de antrenament și de testare.

În mod ideal, vrem să vedem linii diagonale din colțul stânga-jos spre colțul dreapta-sus. Totuși, din cauza simplității arborilor de decizie, modelul nu va performa bine pe setul de testare – însă va obține rezultate bune pe setul de antrenament.

Instrucțiuni

100 XP
  • Creează un model DecisionTreeRegressor numit decision_tree, folosind valoarea 3 pentru hiperparametrul max_depth.
  • Realizează predicții pe seturile de antrenament și de testare (train_features și test_features) cu ajutorul modelului nostru de arbore de decizie.
  • Reprezintă grafic predicțiile pentru antrenament și testare față de valorile reale ale țintei, folosind plt.scatter(), și setează argumentul label la valoarea test pentru setul de testare.