文档摘要

ML4T · 第 6 章 机器学习流程与交叉验证 章节摘要:本章属「方法篇」,讲清机器学习在金融中的正确流程。先梳理机器学习的端到端工作流——数据划分、特征选择、模型训练、超参调优、评估;再用互信息做非线性特征选择,补足相关系数只看线性关系的短板;接着讲透偏差方差权衡,理解欠拟合与过拟合的根本动因;最后是金融时序的灵魂——时序交叉验证(MultipleTimeSeriesCV),避免用未来数据训练造成数据泄露。本章共 4 节,前置依赖为「第 4 章」。 学习目标 阅读完本章,你应当能够: 描述机器学习的端到端工作流与每一步的常见陷阱。 用互信息做非线性特征选择。 解释偏差方差权衡,判断模型是欠拟合还是过拟合。 用 MultipleTimeSeriesCV 做避免数据泄露的时序交叉验证。

---