Trực quan hóa kết quả
Chúng ta đã huấn luyện mô hình với hàm mất mát tùy chỉnh, giờ là lúc xem mô hình hoạt động ra sao. Bạn sẽ kiểm tra lại giá trị R\(^2\) bằng hàm r2_score() của sklearn, và tạo biểu đồ scatter giữa giá trị dự đoán và giá trị thực tế với plt.scatter(). Điều này sẽ cho ra một số kết quả khá thú vị!
Bài tập này là một phần của khóa học
Machine Learning cho Tài chính bằng Python
Hướng dẫn bài tập
- Tạo dự đoán trên tập kiểm tra bằng
.predict(),model_2, vàscaled_test_features. - Đánh giá điểm R\(^2\) trên các dự đoán tập kiểm tra bằng
test_predsvàtest_targets. - Vẽ scatter giữa mục tiêu của tập kiểm tra và giá trị thực tế với
plt.scatter(), và gán nhãn là'test'.
Bài tập tương tác thực hành trực tiếp
Hãy thử làm bài tập này bằng cách hoàn thành đoạn mã mẫu này.
# 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()