Sonuçları görselleştir
Modelimizi özel kayıp fonksiyonuyla eğittik, şimdi nasıl performans gösterdiğini görme zamanı. R\(^2\) değerlerini yine sklearn'ün r2_score() fonksiyonuyla kontrol edeceğiz ve plt.scatter() ile tahminleri gerçek değerlerle karşılaştıran bir saçılım grafiği oluşturacağız. Bu oldukça ilginç sonuçlar verecek!
Bu egzersiz, kursun bir parçasıdır
Python ile Finans için Machine Learning
Egzersiz talimatları
.predict(),model_2vescaled_test_featuresile test kümesi üzerinde tahminler oluştur.test_predsvetest_targetskullanarak test kümesindeki tahminler için R\(^2\) skorunu değerlendir.plt.scatter()ile test kümesindeki hedefleri gerçek değerlerle karşılaştırarak çiz ve etiketi'test'olarak ayarla.
Uygulamalı etkileşimli egzersiz
Bu egzersizi bu örnek kodu tamamlayarak deneyin.
# 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()