天驭学院 · 教学材料 · 机器学习交易入门
課程講義
训练实操记录版本、随机种子、样本量、指标与基线。准确率高不等于风险调整收益，交易阈值、费用和执行尚需独立研究。
按README运行→核train158/test67→检查标签边界→保存metrics→比较基线→不为凑高分修改测试。
复现随机森林报告，写accuracy、precision、recall、AUC各自回答什么，并列两项真实市场限制。
准确率看总体对错，precision看预测正类中真阳性，recall看实际正类召回，AUC看排序区分；合成单资产且无交易费用PnL，不能宣称盈利。
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。
训练实操记录版本、随机种子、样本量、指标与基线。准确率高不等于风险调整收益，交易阈值、费用和执行尚需独立研究。
按題設保存成果、核對參考結果後填寫自評。勾選不是自動批改或能力認證。
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。