Performansı ölç
Artık sinir ağımızı eğittiğimize göre, modelimizin yeni değerleri ne kadar iyi tahmin ettiğini görmek için performansı kontrol edelim. sklearn modellerindeki gibi yerleşik bir .score() metodu yok, bu yüzden sklearn.metrics içindeki r2_score() fonksiyonunu kullanacağız. Bu fonksiyon, (y_true, y_predicted) argümanları verildiğinde R\(^2\) skorunu hesaplar. Ayrıca tahminlerimizi gerçek değerlerle tekrar karşılaştırmalı olarak çizeceğiz. Kısa süre içinde (kendi özel kayıp fonksiyonumuzu uyguladığımızda) ilginç sonuçlar göreceğiz.
Bu egzersiz, kursun bir parçasıdır
Python ile Finans için Machine Learning
Egzersiz talimatları
model_1ile ölçeklenmiş test veri kümesinde (scaled_test_featuresvetest_targets) tahminler al.- Test kümesi için R\(^2\) skorunu yazdır (
test_targetsvetest_preds). plt.scatter()iletest_predsvetest_targets'ı bir saçılım grafiğinde çiz.
Uygulamalı etkileşimli egzersiz
Bu egzersizi bu örnek kodu tamamlayarak deneyin.
from sklearn.metrics import r2_score
# Calculate R^2 score
train_preds = model_1.predict(scaled_train_features)
test_preds = model_1.predict(____)
print(r2_score(train_targets, train_preds))
print(r2_score(____, ____))
# Plot predictions vs actual
plt.scatter(train_preds, train_targets, label='train')
plt.scatter(____)
plt.legend()
plt.show()