机器学习量化投资组合：样本内检验和样本外检验详解

在机器学习加量化投资组合中，样本内检验和样本外检验是用于评估模型的性能和泛化能力的常用方法。\n\n样本内检验是在训练集上对模型进行评估和优化。常见的样本内检验方法包括交叉验证和留一法。交叉验证将训练集分成若干个子集，每次使用其中一个子集作为验证集，其余子集作为训练集，重复进行模型训练和评估。留一法则是将每个样本单独作为验证集，其余样本作为训练集，重复进行模型训练和评估。样本内检验的目的是评估模型在训练集上的拟合程度和预测能力，以确定模型的超参数和选择最佳模型。\n\n样本外检验是在独立的测试集上对模型进行评估。测试集是模型训练过程中未使用过的数据集。通过将模型应用于测试集，可以评估模型在新数据上的泛化能力。样本外检验的目的是评估模型的真实性能，以验证模型是否能够在未来实际应用中产生稳定和可靠的结果。\n\n总的来说，样本内检验用于模型的选择和优化，而样本外检验用于评估模型的泛化能力和真实性能。同时，还可以使用交叉验证等方法来减小样本内检验和样本外检验的过拟合问题，提高模型的稳定性和可靠性。