3.1.3　模型性能的评估

如果使用算法来进行交易的话，小瓦最关心的就是模型是否可以准确地预测出股票的涨跌或者涨幅。实际上，模型是不可能做到百分之百准确的，这就需要我们对模型的性能进行评估，以便找到最可用的模型。要达到这个目的，我们就需要将掌握的数据集（dataset）拆分为训练集（trainset）和验证集（testset），使用训练集训练模型，并使用验证集来评估模型是否可用。

举一个例子，假如小瓦有某只股票100天的价格数据，就可以将前80天的数据作为训练集，将后20天的数据作为验证集，同时评估模型分别在训练集与验证集中的准确率。如果模型在训练集中的得分很高，而在验证集中的得分很低，就说明模型出现了过拟合（over-fitting）的问题；而如果模型在训练集和验证集中的得分都很低，就说明模型出现了欠拟合（under-fitting）的问题。

要解决这些问题，小瓦就需要调整模型的参数、补充数据，或者进行更细致的特征工程。随着小瓦工作的继续深入，我们会一起来探索详细的解决方案。