衡量效能
現在我們已經訓練好神經網路，來檢查效能，看看模型對新值的預測表現如何。與 sklearn 模型不同，這裡沒有內建的 .score() 方法，所以我們會使用 sklearn.metrics 裡的 r2_score() 函式。它會在給定 (y_true, y_predicted) 參數時計算 R\(^2\) 分數。我們也會再次繪製預測值與實際值的對照圖。很快就會看到一些有趣的結果（等我們實作自己的自訂損失函式之後）。
本練習屬於課程
Python 金融 Machine Learning
練習說明
- 使用
model_1對經過縮放的測試集資料（scaled_test_features與test_targets）產生預測。 - 列印測試集的 R\(^2\) 分數（
test_targets與test_preds）。 - 使用
plt.scatter()以散佈圖繪製test_preds對test_targets。
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
# Calculate R^2 score
train_preds = model_1.predict(scaled_train_features)
test_preds = model_1.predict(____)
print(r2_score(train_targets, train_preds))
print(r2_score(____, ____))
# Plot predictions vs actual
plt.scatter(train_preds, train_targets, label='train')
plt.scatter(____)
plt.legend()
plt.show()