1. Learn
    2. /
  2. Курси
    3. /
  3. Machine Learning для фінансів у Python
Connected

Вправа

Отримайте прогнози та першу оцінку

Тепер, коли ми натренували модель випадкового лісу (rfr), хочемо використати її, щоб отримати прогнози на тестовій вибірці. Ми робимо це, щоб оцінити якість моделі — на базовому рівні, чи працює вона не гірше за просту стратегію купити індекс SPY?

Ми скористаємося типовим методом sklearn .predict(features), потім помножимо наші місячні прибутки на прогнози портфеля. Далі підсумуємо їх за допомогою np.sum(), адже для кожного місяця буде 3 рядки. Потім побудуємо графік як місячних прибутків за нашими прогнозами, так і SPY, і порівняємо їх.

Інструкції

100 XP
  • Скористайтеся методом .predict() моделі випадкового лісу rfr, щоб зробити прогнози на train_features і test_features.
  • Помножте тестову частину returns_monthly на test_predictions, щоб отримати прибутки для наших прогнозів на тестовій вибірці.
  • Побудуйте графік тестових returns_monthly для 'SPY' (усе від train_size до кінця даних).