Verifică corelațiile
Înainte de a antrena primul nostru model de machine learning, să analizăm corelațiile dintre caracteristici și ținte. Ideal, dorim corelații mari (aproape de 1 sau -1) între caracteristici și ținte. Examinarea corelațiilor ne poate ajuta să ajustăm caracteristicile pentru a maximiza corelația (de exemplu, modificând argumentul timeperiod în funcțiile talib). Ne poate ajuta și să eliminăm caracteristicile care nu sunt corelate cu ținta.
Pentru a trasa cu ușurință o matrice de corelație, putem folosi funcția heatmap() din seaborn. Aceasta primește o matrice de corelație ca prim argument și are multe alte opțiuni. Aruncă o privire la opțiunea annot -- aceasta ne permite să activăm adnotările.
Acest exercițiu face parte din cursul
Machine Learning pentru finanțe în Python
Exercițiu interactiv practic
Încearcă acest exercițiu completând acest cod de exemplu.
# Plot heatmap of correlation matrix
sns.heatmap(____, annot= ____, annot_kws = {"size": 14})
plt.yticks(rotation=0, size = 14); plt.xticks(rotation=90, size = 14) # fix ticklabel directions and size
plt.tight_layout() # fits plot area to the plot, "tightly"
plt.____ # show the plot