Esaminare le correlazioni delle nuove feature
Ora che abbiamo le feature su volumi e data/ora, vogliamo controllare le correlazioni tra le nostre nuove feature (memorizzate nella lista new_features) e il target (5d_close_future_pct) per vedere quanto sono correlate. Ricorda che pandas ha il metodo integrato .corr() per i DataFrame e seaborn offre una comoda funzione heatmap() per visualizzare le correlazioni.
Questo esercizio fa parte del corso
Machine Learning per la finanza in Python
Istruzioni dell'esercizio
- Estendi la variabile
new_featuresper includere i nomi delle colonne dei giorni della settimana, comeweekday_1, concatenando il numero del giorno con la stringa'weekday_'. - Usa la
heatmapdi Seaborn per tracciare le correlazioni tranew_featurese il target,5d_close_future_pct.
esercizio interattivo pratico
Prova questo esercizio completando questo codice di esempio.
# 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()