一一中文网

手机浏览器扫描二维码访问

第72章 机器学习优化（第1页）

凌晨两点，宝安某老旧小区狭窄的书房里，屏幕的冷光映照着林晨专注的脸。

他盯着刚刚运行完毕的程序输出，眉头微皱。

系统自动下载美股数据时果然遇到了问题——雅虎财经ApI返回的某些历史数据格式不一致，导致pandas在解析时抛出了类型错误。

“边界条件……”

林晨低声自语，手指在键盘上敲击。

他花了半小时修改数据预处理模块，增加了更鲁棒的类型转换和异常值处理。

修复完成后，系统顺利载入了过去五年标普500指数成分股的日线数据，总计超过六十万条记录。

但真正让他陷入思考的，是另一个问题。

过去一周的实盘运行加上新整合的传统技术指标，现在他的决策系统里已经有三十七个特征维度。

从移动平均线到波动率指标，从成交量变化到市场情绪代理变量，系统在每次预测前都要处理这些海量数据。

“太多了”

。

林晨靠在椅背上，揉了揉发酸的眼睛。

他想起以前做跨境电商系统时的一个教训：当时为了追求功能全面，他们在订单处理模块里加入了十几个校验规则和异常处理流程。

结果系统变得臃肿不堪，每次新需求都要考虑与旧逻辑的兼容性，最终不得不重构。

代码可以骗人，但逻辑不会。

林晨点开JupyterNotebook，新建了一个文件。

他决定用xGboost来做一次彻底的特征重要性分析——这是他在学习机器学习课程时掌握的工具，一种基于梯度提升树的算法，能直观地展示每个特征对模型预测的贡献程度。

“先看看哪些特征在真正起作用”

。

他导入数据，开始编写代码。

首先将三十七个特征标准化处理，然后划分训练集和测试集。

xGboost模型的参数需要仔细调优：学习率不能太高，否则容易过拟合，树的最大深度要控制，子采样比例要设置……

窗外远处的城中村渐渐安静下来，只有远处偶尔传来货车的轰鸣声。

林晨完全沉浸在代码的世界里，一行行指令在屏幕上流淌。

三小时后，模型训练完成。

林晨运行特征重要性分析函数，屏幕上生成了一张横向条形图。

三十七个特征按照重要性得分从高到低排列，结果让他有些意外。

排名前五的特征分别是：20日波动率、相对强弱指标（RSI）的14日均值、布林带宽度、成交量的5日变化率、以及mAcd柱状图的趋势。

这些都在预料之中。

但往下看，从第十名开始，特征的重要性得分断崖式下跌。

第二十名之后的那些特征——比如某些特定周期的移动平均线交叉信号、成交量加权价格的一些衍生指标——重要性得分几乎为零。

“也就是说，系统里超过一半的特征，对预测的贡献微乎其微”

？林晨喃喃道。