Standardizzare i dati

Alcuni modelli, come K-nearest neighbors (KNN) e le reti neurali, funzionano meglio con dati scalati, quindi standardizzeremo i nostri dati.

Rimuoveremo anche le variabili poco importanti (giorno della settimana), in base alle feature importances, indicizzando i DataFrame delle feature con .iloc[]. KNN usa le distanze per trovare punti simili per le previsioni, quindi le feature con valori più grandi pesano di più di quelle con valori piccoli. Scalare i dati risolve questo problema.

sklearn e la sua scale() standardizzano i dati, impostando la media a 0 e la deviazione standard a 1. Idealmente useremmo StandardScaler con fit_transform() sui dati di training e transform() sui dati di test, ma qui siamo limitati a 15 righe di codice.

Una volta scalati i dati, verificheremo che abbia funzionato tracciando gli istogrammi dei dati.

Questo esercizio fa parte del corso

Machine Learning per la finanza in Python

Visualizza corso

Istruzioni dell'esercizio

Rimuovi le feature del giorno della settimana dalle feature di train/test usando .iloc (i giorni della settimana sono le ultime 4 feature).
Standardizza train_features e test_features usando scale() di sklearn; salva le feature scalate come scaled_train_features e scaled_test_features.
Traccia un istogramma della media mobile dell'RSI a 14 giorni (indicizzata a [:, 2]) dalle train_features non scalate nel primo subplot (ax[0]).
Traccia un istogramma della media mobile dell'RSI a 14 giorni standardizzata nel secondo subplot (ax[1]).

esercizio interattivo pratico

Prova questo esercizio completando questo codice di esempio.

from sklearn.preprocessing import scale

# Remove unimportant features (weekdays)
train_features = train_features.iloc[:, :-4]
test_features = test_features.____

# Standardize the train and test features
scaled_train_features = scale(train_features)
scaled_test_features = ____

# Plot histograms of the 14-day SMA RSI before and after scaling
f, ax = plt.subplots(nrows=2, ncols=1)
train_features.iloc[:, 2].hist(ax=____)
ax[1].hist(scaled_train_features[:, 2])
plt.show()

Modifica ed esegui il codice