Перевірте кореляції
Перш ніж навчати нашу першу модель машинного навчання, подивімося на кореляції між ознаками й цільовою змінною. Ідеально, коли кореляції між ознаками та ціллю великі за модулем (близькі до 1 або -1). Аналіз кореляцій допоможе коригувати ознаки, щоб посилити зв'язок із ціллю (наприклад, змінюючи аргумент timeperiod у функціях talib). Також це дасть змогу прибрати ознаки, які не корелюють із ціллю.
Щоб легко побудувати матрицю кореляцій, можна скористатися функцією heatmap() з seaborn. Вона приймає матрицю кореляцій першим аргументом і має багато інших параметрів. Зверніть увагу на параметр annot — він увімкне підписи значень на графіку.
Ця вправа є частиною курсу
Machine Learning для фінансів у Python
Інтерактивна практична вправа
Спробуйте виконати цю вправу, доповнивши цей зразок коду.
# 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