Onderzoek correlaties van de nieuwe features

Nu we onze volume- en datetime-features hebben, willen we de correlaties bekijken tussen onze nieuwe features (opgeslagen in de lijst new_features) en de target (5d_close_future_pct) om te zien hoe sterk ze samenhangen. Onthoud dat pandas de ingebouwde methode .corr() voor DataFrames heeft, en dat seaborn een handige functie heatmap() heeft om de correlaties te visualiseren.

Deze oefening maakt deel uit van de cursus

Machine Learning voor finance in Python

Bekijk cursus

Oefeninstructies

Breid onze variabele new_features uit met de kolomnamen voor de weekdagen, zoals weekday_1, door het weekdagnummer te concatenaten met de string 'weekday_'.
Gebruik Seaborn's heatmap om de correlaties van new_features en de target, 5d_close_future_pct, te plotten.

Interactieve oefening met praktijkervaring

Probeer deze oefening door deze voorbeeldcode aan te vullen.

# 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()

Code bewerken en uitvoeren