Examinar as correlações dos novos atributos

Agora que temos nossos atributos de volume e de data/hora, queremos verificar as correlações entre nossos novos atributos (armazenados na lista new_features) e o alvo (5d_close_future_pct) para ver quão fortemente eles se relacionam. Lembre-se de que o pandas tem o método embutido .corr() para DataFrames, e o seaborn tem uma função prática heatmap() para visualizar as correlações.

Este exercicio faz parte do curso

Machine Learning para Finanças em Python

Ver curso

Instruções do exercicio

Estenda a variável new_features para conter os nomes das colunas dos dias da semana, como weekday_1, concatenando o número do dia com a string 'weekday_'.
Use o heatmap do Seaborn para plotar as correlações de new_features e do alvo, 5d_close_future_pct.

exercicio interativo prático

Tente este exercicio completando este código de exemplo.

# 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()

Editar e Executar Código