Проаналізуйте кореляції нових ознак

Тепер, коли ми маємо ознаки обсягу та дати-часу, перевіримо кореляції між нашими новими ознаками (збереженими у списку new_features) і цільовою змінною (5d_close_future_pct), щоб зрозуміти, наскільки вони пов'язані. Нагадаємо, у pandas є вбудований метод .corr() для датафреймів, а в seaborn — зручна функція heatmap() для візуалізації кореляцій.

Ця вправа є частиною курсу

Machine Learning для фінансів у Python

Переглянути курс

Інструкції до вправи

Розширте змінну new_features, додавши назви стовпців для днів тижня, як-от weekday_1, об'єднавши номер дня тижня з рядком 'weekday_'.
Використайте heatmap із Seaborn, щоб побудувати кореляції між new_features та ціллю 5d_close_future_pct.

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

# 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()

Редагувати та запускати код