Tahminleri al ve ilk değerlendirmeyi yap
Artık eğitilmiş bir rastgele orman modeli (rfr) olduğuna göre, test kümesi üzerinde tahmin almak için onu kullanmak istiyoruz. Bunu, modelimizin performansını değerlendirmek için yapıyoruz – temel düzeyde, sadece endeksi (SPY) almaktan daha iyi iş çıkarıyor mu?
Alışılagelmiş sklearn .predict(features) yöntemini kullanacağız, ardından aylık getirilerimizi portföy tahminlerimizle çarpacağız. Her ay için 3 satır olacağı için bunları np.sum() ile toplayacağız. Sonrasında hem tahminlerimizden elde edilen aylık getirileri hem de SPY'ı çizip ikisini karşılaştıracağız.
Bu egzersiz, kursun bir parçasıdır
Python ile Finans için Machine Learning
Egzersiz talimatları
rfrrastgele orman modelinin.predict()yöntemini kullanaraktrain_featuresvetest_featuresüzerinde tahmin yap.- Test kümesinin getirilerini elde etmek için
returns_monthly'nin test kümesi kısmınıtest_predictionsile çarp. - Test kümesi için
'SPY'ninreturns_monthlydeğerlerini çiz (verilerintrain_size'dan sonuna kadar olan kısmı).
Uygulamalı etkileşimli egzersiz
Bu egzersizi bu örnek kodu tamamlayarak deneyin.
# Get predictions from model on train and test
train_predictions = rfr.predict(train_features)
test_predictions = ____
# Calculate and plot returns from our RF predictions and the SPY returns
test_returns = np.sum(returns_monthly.iloc[train_size:] * ____, axis=1)
plt.plot(test_returns, label='algo')
plt.plot(returns_monthly['SPY'].iloc[____], label='SPY')
plt.legend()
plt.show()