Korelasyonları kontrol et
İlk Machine Learning modelimizi oluşturmadan önce, özellikler ve hedefler arasındaki korelasyonlara bakalım. İdeal olarak, özellikler ve hedefler arasında büyük (1'e veya -1'e yakın) korelasyonlar isteriz. Korelasyonları incelemek, korelasyonu en üst düzeye çıkarmak için özellikleri ayarlamamıza yardımcı olabilir (örneğin, talib fonksiyonlarındaki timeperiod argümanını değiştirerek). Ayrıca hedefle korele olmayan özellikleri kaldırmamıza da yardımcı olur.
Bir korelasyon matrisini kolayca çizdirmek için seaborn'un heatmap() fonksiyonunu kullanabiliriz. Bu fonksiyon ilk argüman olarak bir korelasyon matrisi alır ve başka birçok seçeneğe sahiptir. annot seçeneğine göz at — bu, açıklamaları açmamıza yardımcı olur.
Bu egzersiz, kursun bir parçasıdır
Python ile Finans için Machine Learning
Uygulamalı etkileşimli egzersiz
Bu egzersizi bu örnek kodu tamamlayarak deneyin.
# 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