Analiza korelacji nowych cech

Teraz, gdy mamy już cechy dotyczące wolumenu i daty, warto sprawdzić korelacje między nowymi cechami (zapisanymi na liście new_features) a zmienną docelową (5d_close_future_pct), aby ocenić siłę ich zależności. Przypomnij sobie, że pandas ma wbudowaną metodę .corr() dla DataFrame'ów, a seaborn oferuje wygodną funkcję heatmap() do wizualizacji korelacji.

To ćwiczenie jest częścią kursu

Uczenie maszynowe w finansach z Pythonem

Zobacz kurs

Instrukcje do ćwiczenia

Rozszerz zmienną new_features o nazwy kolumn dni tygodnia, takie jak weekday_1, łącząc numer dnia tygodnia z ciągiem znaków 'weekday_'.
Użyj funkcji heatmap z biblioteki Seaborn, aby zwizualizować korelacje cech zawartych w new_features oraz zmiennej docelowej 5d_close_future_pct.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# 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()

Edytuj i uruchom kod