在笔记本里看起来很好的模型，在交易中可能一文不值，而通常的原因不是算法，而是评估。本技能把 scikit-learn 当作一种工作方式来讲授，配有简短练习（要计算的数、要排序的步骤、要配对的概念）和金融示例：为什么缩放器只能在训练日上拟合，重叠的标签如何泄漏未来以及清洗与禁运如何消除它，ridge 与 lasso 对系数做了什么，为什么方向预测的逻辑回归几乎不比“永远猜涨”好，随机森林如何对弱信号过拟合，如何用信息系数给收益模型打分，诚实的超参数搜索需要拟合多少次，以及聚类、PCA 和置换重要性能说明什么、不能说明什么。综合项目是一个代码实验：亲手搭建带清洗的滚动前向划分器、横截面特征，以及一个月度股票模型的评分。
