看看集成模型的表現
來檢查我們集成後模型的表現，看看目前狀況如何。你應該會看到 R\(^2\) 分數大約是先前各模型的平均，散佈圖的型態也會混合了之前模型的預測。使用自訂損失函式模型所產生的領結形狀應該仍隱約可見，但在 x=0 附近的邊緣會更平滑。
本練習屬於課程
Python 金融 Machine Learning
練習說明
- 在訓練集與測試集上評估 R\(^2\) 分數。使用
sklearn的r2_score()函式（已為你匯入），並搭配上一個練習中的train_targets與train_preds。 - 使用
plt.scatter()繪製訓練與測試預測值相對於實際值的散佈圖。
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。
from sklearn.metrics import r2_score
# Evaluate the R^2 scores
print(r2_score(____, ____))
print(r2_score(test_targets, test_preds))
# Scatter the predictions vs actual -- this one is interesting!
plt.scatter(____, ____, ____)
plt.scatter(test_preds, test_targets, label='test')
plt.legend(); plt.show()