机器学习基础
量化学习路径第五阶段。你已经学过因子和传统量化。现在来学 ML 这套机器 — 以及不骗自己所需的严酷纪律。
8 篇 约 1.1 小时
概念
- 机器学习到底是什么? 模式识别。三种范式(监督、无监督、强化学习)以及为什么 ML 主要是数据工作,不是算法工作。
- 监督学习:回归与分类 两个问题:多少(回归)还是哪个(分类)。剩下的都是装饰。
- 过拟合与正则化:ML 的中心问题 ML 的核心问题。在训练数据上完美拟合的模型就是坏的。L1/L2、dropout、早停,以及五个量化专属的过拟合陷阱。
- 交叉验证与诚实评估 策略死在这里。时间序列里随机切分在撒谎。Walk-forward、purged CV、Deflated Sharpe Ratio。