視覺化結果
我們已經用自訂損失函式來擬合模型，現在該檢視表現如何。你將再次用 sklearn 的 r2_score() 函式檢查 R$^2$，並用 plt.scatter() 繪製預測值與實際值的散佈圖。這會帶來一些有趣的發現！
本練習屬於課程
Python 金融 Machine Learning
練習說明
- 使用
.predict()、model_2與scaled_test_features對測試集產生預測。 - 使用
test_preds和test_targets評估測試集預測的 R\(^2\) 分數。 - 使用
plt.scatter()繪製測試集目標與實際值的散佈圖，並將標籤設為'test'。
動手互動練習
試著完成這個範例程式碼，體驗一下這個練習。
# 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()