检查结果

当我们得到一个已优化的模型后，需要更细致地检查其表现。我们已经看过 R\(^2\) 分数，但将预测值与真实值作图对比也很有帮助。我们可以使用决策树模型的 .predict() 方法在训练集和测试集上生成预测。

理想情况下，我们希望看到从左下到右上的对角线。然而，由于决策树的简单性，我们的模型在测试集上的表现不会很好。但它会在训练集上表现出色。

本练习是课程的一部分

Python 金融机器学习

查看课程

练习说明

创建一个名为 decision_tree 的 DecisionTreeRegressor 模型，并将 max_depth 超参数设为 3。
使用我们的决策树模型对训练集和测试集（train_features 和 test_features）进行预测。
使用 plt.scatter() 将训练集和测试集的预测值与真实目标值作散点图；对于测试集，将 label 参数设为 test。

交互式实操练习

通过完成这段示例代码来试试这个练习。

# Use the best max_depth of 3 from last exercise to fit a decision tree
decision_tree = ____
decision_tree.fit(train_features, train_targets)

# Predict values for train and test
train_predictions = decision_tree.predict(train_features)
test_predictions = ____

# Scatter the predictions vs actual values
plt.scatter(train_predictions, train_targets, label='train')
plt.scatter(____)
plt.show()

编辑并运行代码