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

Вправа

Оцініть наші результати

Після того як ми отримали лінійну апроксимацію та передбачення, потрібно перевірити, наскільки вони точні, щоб вирішити, чи є наша модель придатною. В ідеалі ми хочемо робити бек-тест будь-якої торговельної стратегії. Проте це складний і зазвичай тривалий процес.

Швидший спосіб оцінити модель — переглянути метрики регресії, як-от R\(^2\), і побудувати графік передбачень проти фактичних значень цільової змінної. Ідеальні передбачення утворили б на такому графіку пряму діагональну лінію, тож можна на око оцінити, як модель працює в різних діапазонах змін ціни. Ми можемо використати функцію .scatter() з matplotlib, щоб створити діаграму розсіювання для передбачень і фактичних значень.

Інструкції

100 XP
  • Відобразіть test_predictions проти test_targets на діаграмі розсіювання, встановивши непрозорість точок 20% (використайте параметр alpha для керування непрозорістю).
  • Побудуйте лінію ідеального передбачення, використовуючи np.arange() та мінімальне і максимальне значення осі x (xmin, xmax).
  • Показати легенду на графіку за допомогою plt.legend().