天驭学院 · 教学材料 · 机器学习交易入门
分步講解（文字）
Random Forest 与 XGBoost
本节为可手动翻页的文字讲解，不含视频或音频。按自己的节奏阅读，完整推演与材料见下方讲义。
課程講義
随机森林对多棵随机化树作集成，XGBoost按残差/梯度顺序加树，训练机制不同。配套可运行实现为随机森林，不把它冒充XGBoost训练证据。
运行ml_lab.py→核时间切分→与多数类基线比较→阅读树深/叶子样本限制；XGBoost另列未运行而非推断同结果。
给一个两模型比较实验设计，至少固定数据、分界、指标和调参次数，说明本课实际运行哪种。
实际脚本为RandomForest；公平比较须同数据/样本外/预算与指标。未经安装运行XGBoost不能填写其成绩，更不能用分类得分当收益。
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。
本節要點
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。