获取预测并进行首次评估
现在我们已经训练好了随机森林模型（rfr），接下来要用它在测试集上进行预测。这样做是为了评估模型表现——基本判断是：它是否不差于直接买入指数 SPY，或者更好？
我们将使用常见的 sklearn .predict(features) 方法，然后把月度收益与投资组合预测值相乘。由于每个月会有 3 行，我们用 np.sum() 进行求和。最后绘制基于我们预测得到的月度收益曲线，并与 SPY 的月度收益一起对比。
本练习是课程的一部分
Python 金融机器学习
练习说明
- 使用随机森林模型
rfr的.predict()方法，分别对train_features和test_features进行预测。 - 将
returns_monthly的测试集部分与test_predictions相乘，得到测试集预测的收益。 - 绘制测试集期间
'SPY'的returns_monthly（从train_size到数据末尾）。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# Get predictions from model on train and test
train_predictions = rfr.predict(train_features)
test_predictions = ____
# Calculate and plot returns from our RF predictions and the SPY returns
test_returns = np.sum(returns_monthly.iloc[train_size:] * ____, axis=1)
plt.plot(test_returns, label='algo')
plt.plot(returns_monthly['SPY'].iloc[____], label='SPY')
plt.legend()
plt.show()