कोरिलेशन जाँचें
अपना पहला मशीन लर्निंग मॉडल फिट करने से पहले, आइए फीचर और टार्गेट के बीच के कोरिलेशन देखें। आदर्श रूप से, हम फीचर और टार्गेट के बीच बड़े (1 या -1 के क़रीब) कोरिलेशन चाहते हैं। कोरिलेशन की जाँच करने से हम फीचर को इस तरह ट्यून कर सकते हैं कि कोरिलेशन अधिकतम हो सके (उदाहरण के लिए, talib फंक्शंस में timeperiod आर्गुमेंट बदलना)। यह उन फीचर को हटाने में भी मदद करता है जिनका टार्गेट से कोई संबंध नहीं है।
कोरिलेशन मैट्रिक्स को आसानी से प्लॉट करने के लिए, हम seaborn के heatmap() फंक्शन का उपयोग कर सकते हैं। यह पहले आर्गुमेंट के रूप में कोरिलेशन मैट्रिक्स लेता है, और कई अन्य विकल्प भी देता है। annot विकल्प देखिए — इससे हम एनोटेशन को ऑन कर सकते हैं।
यह अभ्यास पाठ्यक्रम का हिस्सा है
Python में Finance के लिए Machine Learning
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
# Plot heatmap of correlation matrix
sns.heatmap(____, annot= ____, annot_kws = {"size": 14})
plt.yticks(rotation=0, size = 14); plt.xticks(rotation=90, size = 14) # fix ticklabel directions and size
plt.tight_layout() # fits plot area to the plot, "tightly"
plt.____ # show the plot