可视化结果
我们已经使用自定义损失函数拟合了模型，现在该查看其表现了。我们将再次使用 sklearn 的 r2_score() 函数检查 R\(^2\) 值，并使用 plt.scatter() 绘制预测值与真实值的散点图。这样会得到一些有趣的结果！
本练习是课程的一部分
Python 金融机器学习
练习说明
- 使用
.predict()、model_2和scaled_test_features在测试集上生成预测。 - 使用
test_preds和test_targets评估测试集预测的 R\(^2\) 分数。 - 使用
plt.scatter()绘制测试集目标与实际值的散点图，并将其标签设为'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。
# Evaluate R^2 scores
train_preds = model_2.predict(scaled_train_features)
test_preds = ____
print(r2_score(train_targets, train_preds))
print(____)
# Scatter the predictions vs actual -- this one is interesting!
plt.scatter(train_preds, train_targets, label='train')
plt.scatter(____) # plot test set
plt.legend(); plt.show()