交叉验证
交叉验证在金融领域中是一种重要的分析和风险管理工具。其核心思想是利用多来源、多维度的数据或方法，对同一问题或假设进行反复检验，以提高决策的准确性和稳健性。在投资决策中，交叉验证可确保信息的真实性和完整性，降低因单一数据来源或模型错误导致的风险。例如，在评估投资标的时，除了分析公司公开的财务报表，还会结合行业趋势、市场情绪等多方数据进行交叉验证，以得出更可靠的结论。在风险管理中，交叉验证可增强模型的预测能力和稳定性，帮助金融机构更精准地量化风险，从而优化资本配置和提升风险调整后的回报。通过交叉验证，金融机构能够提升决策质量，增强抵御市场不确定性的能力，最终实现更加稳健和可持续的发展。
超参搜索状态保存
test h1
test h2
test h3
test h1
\
更新时间：2021-11-30 03:40
回归模型评估
更新时间：2021-11-19 10:42
机器学习新手十大算法之旅
作者：James Le 编译：caoxiyang
在机器学习中，有一个叫做“世上没有免费午餐”的定理(NFL)。简而言之，我们无法找到一个放之四海而皆准的最优方案，这一点对于监督学习(即预测建模)尤为重要。例如，你不能说神经网络总是比决策树好，反之亦然。因为其中有很多因素在起作用，比如数据集的大小和结构。
因此，您应该针对您的问题尝试多种不同的算法，同时，保留一组数据，即“测试集”来评估性能并选
更新时间：2021-08-24 05:46
机器学习常见算法
导语
机器学习里面究竟有多少经典的算法呢？本文简要介绍一下机器学习中的常用算法。这部分介绍的重点是这些方法内涵的思想，数学与实践细节不会在这讨论。
回归算法
在大部分机器学习课程中，回归算法都是介绍的第一个算法。原因有两个：一.回归算法比较简单，介绍它可以让人平滑地从统计学迁移到机器学习中。二.回归算法是后面若干强大算法的基石，如果不理解回归算法，无法学习那些强大的算法。回归算法有两个重要的子类：即 线性回归 和 逻辑回归 。
线性回归就是我们前面说过的房价求解问题。如何拟合出一条直线最佳匹配我所有的数据？一般使用“最小二乘法”来求解。“最小二乘法”的思想是
更新时间：2021-08-18 06:37
三个有效的特征选择策略
导语
特征选择是除数据之外最关键的步骤。尽管这一步非常必要，但很多指导文章中却完全忽略这一过程。
本文将展示一些很棒的特征选择方法，帮助读者在机器学习中更加如鱼得水。
特征选择是什么？实际问题中，需要什么样的特征来帮助解决建模并不总是很清晰。在这个问题上，数据总是存在各种问题，比如数据过多，不相关等。特征选择主要研究如何使用算法选择出重要特征。
那为什么不将所有的特征都扔进机器学习模型，然后收工回家呢？
在实际问题中可能没有开源数据集，或者这些数据不总是含有解决问题的相关信息。在这些现实问题面前，特征选择能够最大化数据相关性，降低数据冗余度。这有助于建立好的模型，减小模型大小。
更新时间：2021-07-30 07:26
分类模型评估
更新时间：2021-07-30 06:27