Prozkoumání korelací nových příznaků
Teď, když máme příznaky objemu a data/času, chceme zkontrolovat korelace mezi novými příznaky (uloženými v seznamu new_features) a cílovým sloupcem (5d_close_future_pct), abychom zjistili, jak silně spolu souvisí. Připomeň si, že pandas nabízí vestavěnou metodu .corr() pro DataFramy a seaborn má šikovnou funkci heatmap() pro vizualizaci korelací.
Toto cvičení je součástí kurzu
Machine Learning for Finance in Python
Pokyny k cvičení
- Rozšiř proměnnou
new_featureso názvy sloupců pro dny v týdnu, jako jeweekday_1, a to spojením čísla dne s řetězcem'weekday_'. - Pomocí funkce
heatmapze Seabornu vykresli korelace příznaků znew_featuresa cílového sloupce5d_close_future_pct.
Interaktivní cvičení na vyzkoušení si v praxi
Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.
# Add the weekday labels to the new_features list
new_features.extend([____ + ____ for i in range(1, 5)])
# Plot the correlations between the new features and the targets
sns.____(lng_df[____ + ['5d_close_future_pct']].corr(), annot=True)
plt.yticks(rotation=0) # ensure y-axis ticklabels are horizontal
plt.xticks(rotation=90) # ensure x-axis ticklabels are vertical
plt.tight_layout()
plt.show()