利用超参搜索来最优化夏普比是不是过拟合?

机器学习
用户成长系列
新手专区
标签: #<Tag:0x00007fcc113708b8> #<Tag:0x00007fcc11370778> #<Tag:0x00007fcc11370638>

(netsophier) #1

平台提供的超参搜索功能确实可以很有效地改善策略在测试集的收益,但是超参搜索是针对测试集回测结果来挑选超参以最优化夏普比,这是不是有把测试集并作训练集的嫌疑?这样做和过拟合有什么差别呢?新手对机器学习的这一流程不是很理解,求教。


(大胡子) #2

超参搜索和过拟合没有直接的关系。
超参搜索是为了找到策略在各个参数上的分布形态,参数可能是模型参数,比如学习率。也有可能是策略参数,比如持仓天数。通过参数的搜索,可以了解策略在参数上的鲁棒性,防止过拟合。


(netsophier) #3

谢谢解答。那也就是说超参搜索不能用来寻找最优的参数,而只是用来检查策略在不同参数下是否稳定?如果我在不同的学习率等参数下得到的夏普比率差别较大,我从中选择一组夏普率最高的参数,这样是否存在过拟合风险呢?