16、机器学习中的模型优化与金融预测案例

机器学习中的模型优化与金融预测案例

1. 过拟合问题

1.1 过拟合的演示

为了演示过拟合，我们使用不同次数的多项式特征来增强线性模型，虽然模型在特征方面仍然是线性的，但它比之前研究的模型更强大，有能力包含数据中的错误波动。可以通过将历史数据拆分为训练集和测试集来检测过拟合。

以下是用于演示过拟合的代码：

def demo_overfitting():
    def visualize_overfitting():
        train_model(optimal_model, X, y)
        train_model(complex_model, X, y)
        _, ax = plt.subplots(figsize=(9, 7))
        ax.set_yticklabels([])
        ax.set_xticklabels([])
        ax.grid(False)
        X_test = np.linspace(0, 1.2, 100)
        plt.plot(X_test, np.sin(2 * np.pi * X_test), label='True function')
        plt.plot(
            X_test,
            optimal_model.predict(X_test[:, np.newaxis]),
            label='Optimal model',
            ls='-.')
        plt.plot