闲社服务运行正常AI智能体自动化平台
m

机器学习管道

技能标识:ml-pipeline

>

作者:admin | 来源记录:ClawHub
登记来源
ClawHub
版本
V 0.1.0
检测标记
后台标记通过
免费
免费获取
0
收藏
来源与检测标记为平台登记信息,并不代表已展示可复核的检测报告。使用前请核对版本、依赖和所需权限,建议先在隔离环境中运行。
概述
安装方式
版本历史

机器学习管道

ML Pipeline

量化交易研究系统中完整ML管道的统一技能。
将八个先前的技能整合为一个权威参考,涵盖
完整生命周期:数据验证、特征创建、选择、
转换、防泄漏检查、管道自动化、深度学习优化和部署。



1. 何时使用

当任务涉及以下任何内容时,激活此技能:

  • - 为ML驱动的策略创建、选择或转换特征。
  • 审计现有特征管道是否存在数据泄漏或过拟合风险。
  • 自动化端到端ML管道(从数据准备到模型导出)。
  • 评估特征重要性、缩放、编码或交互效应。
  • 将特征与特征存储(Feast、Tecton、自定义Parquet存储)集成。
  • 在特征工程决策的背景下解释核心ML概念(偏差-方差、交叉验证、正则化)。

2. 需要收集的输入

开始工作前,收集或确认:

输入详情
目标目标指标(夏普比率、准确率、RMSE...)、约束条件、时间范围。
数据
标的/工具、时间框架、K线类型、采样频率、数据来源。 |
| 泄漏风险 | 时点问题、幸存者偏差、标签或特征中的前瞻性。 |
| 计算预算 | CPU/GPU限制、AutoML搜索的挂钟时间预算。 |
| 延迟 | 在线与离线推理、可接受的预测延迟。 |
| 可解释性 | 监管或研究对可解释特征/模型的需求。 |
| 部署目标 | 模型将运行的位置(笔记本、回测框架、实盘引擎)。 |


3. 特征创建模式

3.1 数值特征

  • - 交互项:价格 * 成交量、最高价 / 最低价、收盘价 - 开盘价。
  • 滚动统计量:可配置窗口上的均值、标准差、偏度、峰度。
  • 多项式/对数变换:log(成交量 + 1)、价差^2。
  • 分箱/离散化:等宽、基于分位数或领域驱动的分箱。

3.2 分类特征

  • - 独热编码:用于低基数分类变量(行业、交易所)。
  • 目标编码:每个类别的平滑均值目标(注意泄漏——仅使用折内均值)。
  • 序数编码:当类别具有自然顺序时(信用评级)。

3.3 时间序列特定

  • - 滞后特征:return{t-1}、return{t-5}等。
  • 日历特征:星期几、月份、季度、期权到期标志。
  • 滚动Z分数:(x - 滚动均值) / 滚动标准差用于平稳性。
  • 分数阶差分:在实现平稳性的同时保留记忆(Lopez de Prado)。

3.4 特征选择技术

  • - 过滤方法:互信息、方差阈值、相关性剪枝。
  • 包装方法:递归特征消除(RFE)、前向/后向选择。
  • 嵌入方法:L1正则化、基于树的重要性、SHAP值。
  • 排列重要性:模型无关;在折外预测上运行。

4. 防泄漏检查

数据泄漏是导致回测结果膨胀的最常见原因。
在每个管道阶段应用这些检查:

4.1 标签泄漏

  • - 标签必须根据相对于特征时间戳的未来收益计算。
验证标签窗口不与特征窗口重叠。
  • - 当标签跨越多个K线时,使用清除和禁运。

4.2 特征泄漏

  • - 在预测时间t,任何特征不得使用时间t+1或之后的信息。
  • 滚动统计量必须使用闭合左窗口:df[feat].rolling(20).mean().shift(1)。
  • 目标编码的分类变量必须仅在训练折上计算。

4.3 交叉验证泄漏

  • - 对时间序列使用清除k折或滚动前向交叉验证。切勿在有序数据上使用随机k折。
  • 在训练折和测试折之间插入禁运间隔,以防止自相关导致的渗透。

4.4 幸存者与选择偏差

  • - 确保时间t的标的池反映了当时实际可交易的内容(已退市股票、稍后移除的停牌标的)。
  • 在可用时从时点数据库回溯填充。

4.5 验证检查清单

每次回测前运行:

text
[ ] 标签严格从未来收益计算(不与特征重叠)
[ ] 所有滚动特征至少偏移1个K线
[ ] 目标编码仅使用折内均值
[ ] 使用滚动前向或清除交叉验证(时间序列上无随机洗牌)
[ ] 禁运间隔 >= max(标签周期, 自相关滞后)
[ ] 标的池是时点的(无幸存者偏差)
[ ] 未在完整数据集上拟合全局缩放(在训练集上拟合,在测试集上变换)



5. 管道自动化(AutoML)

5.1 前提条件

  • - 包含一个或多个AutoML库的Python环境:
Auto-sklearn、TPOT、H2O AutoML、PyCaret、Optuna或自定义Optuna管道。
  • - CSV/Parquet/数据库格式的训练数据。
  • 已识别的问题类型:分类、回归或时间序列预测。

5.2 管道步骤

步骤操作
1. 定义需求问题类型、评估指标、时间/资源预算、可解释性需求。
2. 数据基础设施
加载数据、质量评估、训练/验证/测试集划分策略、定义特征变换。 | | 3. 配置AutoML | 选择框架、定义算法搜索空间、设置预处理步骤、选择调优策略(贝叶斯、随机、Hyperband)。 | | 4. 执行训练 | 运行自动化特征工程、模型选择、超参数优化、交叉验证。 | | 5. 分析与导出 | 比较模型、提取最佳配置、特征重要性、可视化、导出用于部署。 |

5.3 管道配置模板

python
pipeline_config = {
tasktype: classification, # 或 regression, timeseries
timebudgetseconds: 3600,
algorithms: [rf, xgboost, catboost, lightgbm],
preprocessing: [scaling, encoding, imputation],
tuning_strategy: bayesian, # 或 random, hyperband
cv_folds: 5,
cvtype: purgedkfold, # 或 walk_forward
embargo_bars: 10,
earlystoppingrounds: 50,
metric: sharpe_ratio, # 领域特定指标
}

5.4 输出产物

  • - automlconfig.py -- 管道配置。
  • bestmodel.pkl / .joblib / .onnx -- 序列化模型。
  • featurepipeline.pkl -- 拟合的预处理+特征变换。
  • evaluationreport.json -- 指标、混淆矩阵/残差、特征排名。
  • deployment/ -- 预测API代码、输入验证、requirements.txt。

6. 核心ML基础(特征工程上下文)

6.1 偏差-方差权衡

  • - 更多特征增加模型容量(降低偏差)但存在过拟合风险(增加方差)。
  • 使用正则化(L1/L2)、特征选择或降维来管理。

6.2 评估策略

  • - 滚动前向验证:时间序列策略的黄金标准。
将固定宽度的训练窗口向前滚动;在下一个样本外周期上测试。
  • - 蒙特卡洛排列测试:打乱标签并重新评估,以估计观察到的表现由偶然因素导致的概率。
  • 组合清除交叉验证(CPCV):生成许多带有清除的训练/测试组合,以获得更稳健的表现估计。

6.3 特征缩放

  • - 仅在训练集上拟合缩放器(StandardScaler、MinMaxScaler、RobustScaler)。
  • 将相同的拟合缩放器应用于验证集和测试集。
  • 由于金融数据的重尾特性,RobustScaler通常是首选。

6.4 处理缺失数据

  • - 对价格数据先向前填充再向后填充(注意回溯填充的泄漏)。
  • 缺失指示列本身可能具有信息价值。
  • 基于树的模型可以原生处理NaN;线性模型则不能。

7. 工作流程

对于任何特征工程任务,遵循以下顺序:

  1. 1. 重新表述任务为可衡量的术语(指标、约束、截止日期)。
  2. 列举所需产物:数据集、特征定义、配置、脚本、报告。
  3. 提出默认

标签

skill ai

通过对话安装

以下为平台配置的接入选项,并非逐项实测通过。能否安装取决于客户端支持、技能来源和运行环境:

OpenClaw WorkBuddy QClaw Kimi Claude

方式一:安装 SkillHub 和技能

帮我安装 SkillHub 和 ml-pipeline-1776293519 技能

方式二:设置 SkillHub 为优先技能安装源

设置 SkillHub 为我的优先技能安装源,然后帮我安装 ml-pipeline-1776293519 技能

通过命令行安装

skillhub install ml-pipeline-1776293519

下载

⬇ 下载 ml-pipeline v0.1.0(免费)

文件大小: 17.65 KB | 发布时间: 2026-4-16 17:34

v0.1.0 最新 2026-4-16 17:34
Major update: ml-pipeline skill is now a unified end-to-end ML pipeline for quantitative trading, consolidating eight previous skills.

- Combines feature engineering, AutoML, deep learning, and financial RL into one authoritative toolkit.
- Provides rigorous anti-leakage validation practices specific to time-series and financial data.
- Includes step-by-step guidance on feature creation, selection, transformation, and evaluation.
- Features templates for pipeline automation including AutoML configuration, cross-validation, and deployment artifacts.
- Covers essential ML concepts (bias-variance, cross-validation) with emphasis on feature engineering decisions.
返回顶部