Undersök korrelationer för de nya särdragen

Nu när vi har våra volym- och datumtidssärdrag vill vi kontrollera korrelationerna mellan de nya särdragen (lagrade i listan new_features) och målet (5d_close_future_pct) för att se hur starkt de är relaterade. Kom ihåg att pandas har den inbyggda metoden .corr() för DataFrames, och att seaborn erbjuder funktionen heatmap() för att visualisera korrelationerna.

Den här övningen är en del av kursen

Maskininlärning för finans i Python

Visa kurs

Övningsinstruktioner

Utöka variabeln new_features så att den innehåller kolumnnamnen för veckodagar, till exempel weekday_1, genom att konkatenera veckodagsnumret med strängen 'weekday_'.
Använd Seaborns heatmap för att plotta korrelationerna mellan new_features och målet 5d_close_future_pct.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# 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()

Redigera och kör kod