查看集成模型的表现
让我们检查一下集成模型的性能，看看效果如何。我们应当看到 R\(^2\) 分数大致接近取平均值的水平，同时散点图应当融合先前各模型的预测。来自自定义损失函数模型的蝴蝶结形状应仍能略微看到，但在 x=0 附近的边缘会更平滑。
本练习是课程的一部分
Python 金融机器学习
练习说明
- 在训练集和测试集上评估 R\(^2\) 分数。使用已经为您导入的
sklearn中的r2_score()函数，并结合上个练习得到的train_targets和train_preds。 - 使用
plt.scatter()将训练集与测试集的预测值与真实值作散点图对比。
交互式实操练习
通过完成这段示例代码来试试这个练习。
from sklearn.metrics import r2_score
# Evaluate the R^2 scores
print(r2_score(____, ____))
print(r2_score(test_targets, test_preds))
# Scatter the predictions vs actual -- this one is interesting!
plt.scatter(____, ____, ____)
plt.scatter(test_preds, test_targets, label='test')
plt.legend(); plt.show()