天驭学院 · 教学材料 · 机器学习交易入门
课程讲义
过拟合可能来自树过深、过多搜索或泄漏，正则化不能修复错误时间划分。训练分高而测试低要先查流程，不立刻增加模型复杂度。
先核数据泄漏→对比训练/验证→限制深度与叶样本→只在训练/验证选参数→最后一次测试。
训练准确率100%、测试52%，如何列排查顺序？为何不直接在测试上调深度？
先查切分/标签/重复，再看复杂度与基线；测试调参会污染独立评估。52%是否有意义还需类分布和样本量。
混淆矩阵TP=6、FP=4、FN=3、TN=7：准确率13/20=65%，precision=6/10=60%，recall=6/9约66.67%。若多数类占70%，65%准确率还不如该基线。分类正确不保证扣成本盈利。
特征重要性不是因果解释；若安装不了XGBoost，应标可选依赖未验证，而不是把随机森林改名。
先按README安装本实验的明确依赖。若依赖或平台不可用，应标记未运行，不以源码下载代替运行证据。
python ml_lab.py课程数值、价格、账户和案例均为教学假设；固定材料可离线复现。完成标记仅记录学习，不是能力认证、服务批准或收益保证。
本节要点
完成标记仅记录个人学习，不代表能力认证。练习使用教学假设或合成数据，不要求真实开户、入金或交易。