檢視新特徵的相關性
現在我們已經有成交量與日期時間特徵，想檢查新特徵（存放在 new_features 串列）與目標（5d_close_future_pct）之間的相關性，看看它們關聯程度有多強。回想一下，pandas 對 DataFrame 提供內建的 .corr() 方法，而 seaborn 有好用的 heatmap() 函式可以視覺化相關性。
本練習屬於課程
Python 金融 Machine Learning
練習說明
- 擴充
new_features變數，使其包含各星期幾的欄位名稱（例如weekday_1），方法是將星期幾的數字與字串'weekday_'串接。 - 使用 Seaborn 的
heatmap繪製new_features與目標5d_close_future_pct的相關性圖。
動手互動練習
試著完成這個範例程式碼，體驗一下這個練習。
# 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()