Визуализация результатов
Мы обучили модель с пользовательской функцией потерь — теперь пора оценить её работу. Снова проверим значения R\(^2\) с помощью функции r2_score() из sklearn, а затем построим диаграмму рассеяния предсказанных значений против фактических с помощью plt.scatter(). Результаты окажутся весьма интересными!
Это упражнение является частью курса
Машинное обучение для финансов на Python
Инструкции к упражнению
- Получите предсказания на тестовой выборке с помощью
.predict(),model_2иscaled_test_features. - Оцените значение R\(^2\) на предсказаниях тестовой выборки, используя
test_predsиtest_targets. - Постройте диаграмму рассеяния целевых значений тестовой выборки против фактических с помощью
plt.scatter()и задайте метку'test'.
Интерактивное практическое упражнение
Попробуйте выполнить это упражнение, дополнив этот пример кода.
# Evaluate R^2 scores
train_preds = model_2.predict(scaled_train_features)
test_preds = ____
print(r2_score(train_targets, train_preds))
print(____)
# Scatter the predictions vs actual -- this one is interesting!
plt.scatter(train_preds, train_targets, label='train')
plt.scatter(____) # plot test set
plt.legend(); plt.show()