Măsoară performanța

Acum că am antrenat rețeaua neuronală, hai să verificăm performanța pentru a vedea cât de bine prezice modelul valori noi. Nu există o metodă built-in .score() ca la modelele sklearn, așa că vom folosi funcția r2_score() din sklearn.metrics. Aceasta calculează scorul R\(^2\) pe baza argumentelor (y_true, y_predicted). Vom reprezenta și grafic predicțiile față de valorile reale. Rezultatele vor fi interesante mai ales după ce vom implementa propria funcție de pierdere personalizată.

Acest exercițiu face parte din cursul

Machine Learning pentru finanțe în Python

Vezi cursul

Instrucțiuni pentru exercițiu

Obține predicțiile modelului model_1 pe datele din setul de testare scalat (scaled_test_features și test_targets).
Afișează scorul R\(^2\) pe setul de testare (test_targets și test_preds).
Reprezintă grafic test_preds față de test_targets într-un grafic de tip scatter folosind plt.scatter().

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

from sklearn.metrics import r2_score

# Calculate R^2 score
train_preds = model_1.predict(scaled_train_features)
test_preds = model_1.predict(____)
print(r2_score(train_targets, train_preds))
print(r2_score(____, ____))

# Plot predictions vs actual
plt.scatter(train_preds, train_targets, label='train')
plt.scatter(____)
plt.legend()
plt.show()

Editează și rulează codul