根據訓練集放到建立好的模型裡，看其預測的機率值，
由於先前有將其做標準化，因此，並將須將結果轉換回股價。
同理，測試資料集一樣會換回股價，

train_predict=model.predict(X_train)
test_predict=model.predict(X_test)
train_predict=scaler.inverse_transform(train_predict)
test_predict=scaler.inverse_transform(test_predict)

最後檢視模型的均方誤，只不過測試集的結果，相比訓練集通常會更偏差一些。

import math
from sklearn.metrics import mean_squared_error
math.sqrt(mean_squared_error(y_train,train_predict))

參考:https://ithelp.ithome.com.tw/articles/10279778