Evaluează rezultatele

După ce am obținut regresia liniară și predicțiile, vrem să vedem cât de bune sunt acestea, pentru a decide dacă modelul nostru este util sau nu. Ideal, am vrea să testăm retrospectiv orice strategie de tranzacționare. Totuși, aceasta este o experiență complexă și, de obicei, consumatoare de timp.

O metodă mai rapidă de a înțelege performanța modelului nostru este să analizăm metrici de evaluare a regresiei, precum R\(^2\), și să reprezentăm grafic predicțiile față de valorile reale ale țintelor. Predicțiile perfecte ar forma o linie dreaptă diagonală într-un astfel de grafic, ceea ce ne permite să evaluăm vizual cât de bune sunt predicțiile în diferite intervale de variații de preț. Putem folosi funcția .scatter() din matplotlib pentru a crea diagrame de dispersie cu predicțiile și valorile reale.

Acest exercițiu face parte din cursul

Machine Learning pentru finanțe în Python

Vezi cursul

Instrucțiuni pentru exercițiu

Afișează test_predictions față de test_targets într-o diagramă de dispersie, cu o opacitate de 20% pentru puncte (folosește parametrul alpha pentru a seta opacitatea).
Trasează linia predicției perfecte folosind np.arange() și valorile minime și maxime de pe axa x (xmin, xmax).
Afișează legenda graficului cu plt.legend().

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

# Scatter the predictions vs the targets with 20% opacity
plt.scatter(train_predictions, train_targets, alpha=0.2, color='b', label='train')
plt.scatter(____, ____, ____, color='r', label='test')

# Plot the perfect prediction line
xmin, xmax = plt.xlim()
plt.plot(np.arange(xmin, xmax, 0.01), np.arange(____, ____, 0.01), c='k')

# Set the axis labels and show the plot
plt.xlabel('predictions')
plt.ylabel('actual')
____  # show the legend
plt.show()

Editează și rulează codul