LAB 05.01 Task 3: ML Metric vs Business Metric

[diegosaaval]

Saludos,

Felipe, intenté solucionarlo como le planteas en una respuesta anterior a un compañero, pero obtengo un error a la hora de calificar, agradecería mucho si revisas el código

Función de pnl:

def get_pnl(signal, predictions, trading_units=1):
    s = signal
    p = predictions
    
    converted_p = (p - 0.5) * 2
    pnl =  ( (s[1:] - s[:-1]) * trading_units ) * converted_p   -   s[:-1] * trading_units * 0.01
    return pnl

Matriz de 9x20:

pset = np.zeros( (9,20) ) #Matriz de ceros de 9x20
m = (np.linspace(0.1 , 1 , 10) * 20).astype(int)
for i in range(len(pset)):
    c = m[i] #Cantidad de unos
    k = np.random.permutation(20)[:c]
    pset[i,k] = pset[i,k] + 1

Salida:

Itero en cada fila la función get_pnl:

pnl = np.round([get_pnl(s, pset[i]) for i in range(len(pset))], 2)` 

Salida:

Error en autocorreción:

[Felipe-RA]

Saludos Diego

Este error se debe a que tu respuesta no tiene dimensiones correctas, el grader intenta comparar un arreglo de dimensiones (9,) con tu arreglo de dimensiones (9,20)

Recuerda que el pnl debe ser un array o una list de nueve elementos (uno por cada fila de tu PSET), pero tu tienes un vector de dimensiones(9,20)

Funciones recomendadas:

• np.sum() para obtener el pnl por fila en tu list comprehension

Cualquier duda, por aquí estamos!