ดูผลลัพธ์ของ Ensemble
มาตรวจสอบประสิทธิภาพของโมเดล Ensemble กันว่าทำได้ดีแค่ไหน ผลที่ได้ควรจะเป็นค่าเฉลี่ยโดยประมาณของคะแนน R\(^2\) รวมถึง Scatter Plot ที่ผสมผสานการพยากรณ์จากโมเดลก่อนหน้า รูปร่างคล้ายผีเสื้อจากโมเดล Custom Loss Function ควรยังคงมองเห็นได้บ้าง แต่ขอบด้านที่ใกล้ x=0 จะนุ่มนวลขึ้น
แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร
Machine Learning สำหรับการเงินด้วย Python
คำแนะนำการฝึกหัด
- ประเมินคะแนน R\(^2\) บนชุดข้อมูล Train และ Test โดยใช้ฟังก์ชัน
r2_score()จากsklearn(นำเข้าให้แล้ว) พร้อมกับtrain_targetsและtrain_predsจากแบบฝึกหัดก่อนหน้า - พล็อตค่าพยากรณ์ของชุด Train และ Test เทียบกับค่าจริงด้วย
plt.scatter()
แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ
ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์
from sklearn.metrics import r2_score
# Evaluate the R^2 scores
print(r2_score(____, ____))
print(r2_score(test_targets, test_preds))
# Scatter the predictions vs actual -- this one is interesting!
plt.scatter(____, ____, ____)
plt.scatter(test_preds, test_targets, label='test')
plt.legend(); plt.show()