1. Learn
    2. /
  2. Курси
    3. /
  3. Machine Learning для фінансів у Python
Connected

Вправа

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.

Інструкції 1/2

undefined XP
    1
    2
  • Побудуйте теплову мапу матриці кореляцій (corr), яку ми обчислили у попередній вправі (seaborn вже імпортовано як sns).
  • Увімкніть підписи значень за допомогою параметра annot=True у sns.heatmap(). Розмір шрифту вже задано для вас через annot_kws = {"size": 14}.
  • Відобразіть графік за допомогою plt.show().