檢查相關性
在我們擬合第一個機器學習模型之前，先看看特徵與目標之間的相關性。理想情況下，我們希望特徵與目標之間的相關性係數接近 1 或 -1。檢視相關性可以幫助你調整特徵來最大化相關性（例如，調整 talib 函式中的 timeperiod 參數）。也能幫助我們移除與目標沒有相關性的特徵。
若要輕鬆繪製相關矩陣，你可以使用 seaborn 的 heatmap() 函式。它將相關矩陣作為第一個引數，並且還有許多其他選項。看看 annot 選項——這能幫助我們開啟標註。
本練習屬於課程
Python 金融 Machine Learning
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。
# 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