Periksa korelasi
Sebelum kita memasangkan model Machine Learning pertama, mari kita lihat korelasi antara fitur dan target. Idealnya, kita menginginkan korelasi yang besar (mendekati 1 atau -1) antara fitur dan target. Menelaah korelasi dapat membantu kita menyetel fitur untuk memaksimalkan korelasi (misalnya, mengubah argumen timeperiod pada fungsi talib). Ini juga dapat membantu kita menghapus fitur yang tidak berkorelasi dengan target.
Untuk memplot matriks korelasi dengan mudah, kita dapat menggunakan fungsi heatmap() dari seaborn. Fungsi ini menerima matriks korelasi sebagai argumen pertama, dan memiliki banyak opsi lainnya. Cermati opsi annot — ini akan membantu kita menyalakan anotasi.
Latihan ini merupakan bagian dari kursus
Machine Learning untuk Keuangan dengan Python
Latihan interaktif langsung praktik
Cobalah latihan ini dengan melengkapi kode contoh ini.
# 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