检查相关性
在拟合我们的第一个机器学习模型之前，先看看各个特征与目标之间的相关性。理想情况下，我们希望特征与目标之间的相关性系数较大（接近 1 或 -1）。检查相关性有助于我们调整特征以最大化相关性（例如，修改 talib 函数中的 timeperiod 参数）。它也能帮助我们移除与目标不相关的特征。
要更方便地绘制相关性矩阵，可以使用 seaborn 的 heatmap() 函数。该函数将相关性矩阵作为第一个参数，并且还有许多其他选项。请查看 annot 选项——它可以帮助我们开启注释显示。
本练习是课程的一部分
Python 金融机器学习
交互式实操练习
通过完成这段示例代码来试试这个练习。
# 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