評估結果
當我們得到線性擬合和預測之後，就要檢視預測表現，以判斷模型是否可用。理想情況下，我們會對任何交易策略進行回測。不過，這通常很複雜且耗時。
更快了解模型表現的方法，是查看像 R\(^2\) 這樣的迴歸評估指標，並將預測值與目標的實際值繪成對照圖。在這種圖上，完美的預測會形成一條筆直的對角線，讓我們能用肉眼判斷在不同價格變動區間的預測表現。我們可以使用 matplotlib 的 .scatter() 函式來建立預測值與實際值的散佈圖。
本練習屬於課程
Python 金融 Machine Learning
練習說明
- 以散佈圖顯示
test_predictions對test_targets，點的透明度設為 20%（使用alpha參數設定不透明度）。 - 使用
np.arange()搭配 x 軸的最小與最大值（xmin、xmax）繪出完美預測線。 - 使用
plt.legend()在圖上顯示圖例。
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。
# Scatter the predictions vs the targets with 20% opacity
plt.scatter(train_predictions, train_targets, alpha=0.2, color='b', label='train')
plt.scatter(____, ____, ____, color='r', label='test')
# Plot the perfect prediction line
xmin, xmax = plt.xlim()
plt.plot(np.arange(xmin, xmax, 0.01), np.arange(____, ____, 0.01), c='k')
# Set the axis labels and show the plot
plt.xlabel('predictions')
plt.ylabel('actual')
____ # show the legend
plt.show()