Kiểm tra kết quả
Khi đã có mô hình được tối ưu, bạn nên kiểm tra kỹ hơn hiệu suất của nó. Chúng ta đã xem điểm R\(^2\), nhưng việc trực quan hóa dự đoán so với giá trị thực tế cũng rất hữu ích. Bạn có thể dùng phương thức .predict() của mô hình cây quyết định để lấy dự đoán trên các tập train và test.
Lý tưởng nhất, bạn sẽ thấy các điểm nằm dọc theo đường chéo từ góc trái dưới lên góc phải trên. Tuy nhiên, do sự đơn giản của decision trees, mô hình của chúng ta sẽ không hoạt động tốt trên tập test. Nhưng nó sẽ thể hiện tốt trên tập train.
Bài tập này là một phần của khóa học
Machine Learning cho Tài chính bằng Python
Hướng dẫn bài tập
- Tạo một mô hình
DecisionTreeRegressortên làdecision_treevới siêu tham sốmax_depthbằng 3. - Tạo dự đoán trên tập train và test (
train_featuresvàtest_features) bằng mô hình cây quyết định. - Vẽ scatter dự đoán của train và test so với giá trị mục tiêu thực tế bằng
plt.scatter(), và đặt tham sốlabelbằngtestcho tập test.
Bài tập tương tác thực hành trực tiếp
Hãy thử làm bài tập này bằng cách hoàn thành đoạn mã mẫu này.
# Use the best max_depth of 3 from last exercise to fit a decision tree
decision_tree = ____
decision_tree.fit(train_features, train_targets)
# Predict values for train and test
train_predictions = decision_tree.predict(train_features)
test_predictions = ____
# Scatter the predictions vs actual values
plt.scatter(train_predictions, train_targets, label='train')
plt.scatter(____)
plt.show()