1. Learn
    2. /
  2. Courses
    3. /
  3. Machine Learning pentru finanțe în Python
Connected

Exercise

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.

Instructions 1/2

undefined XP
    1
    2
  • Trasează un heatmap al matricei de corelație (corr) calculată în exercițiul anterior (seaborn a fost deja importat ca sns).
  • Activează adnotările folosind opțiunea annot=True a funcției sns.heatmap(). Dimensiunea fontului a fost deja setată pentru tine cu annot_kws = {"size": 14}.
  • Afișează graficul cu plt.show().