(31-7）使用机器学习预测苹果（AAPL）股票的周收益：精调选定模型

5.8  精调选定模型

为了进行精调，我们将使用 Optuna，这是一个高效且易于使用的超参数调优库。首先，我们将从 Histogram-based Gradient Boosting Classifier 的调优开始，然后再进行 CatBoost Classifier 的调优。在超参数搜索过程中，我们仍将使用 ROC-AUC 分数 作为两种模型的评估指标。

5.8.1  超参数调优

下面代码实现了对 Histogram-based Gradient Boosting Classifier 的超参数调优。通过 Optuna 库，在指定范围内搜索超参数，并使用 ROC-AUC 分数作为优化目标。每次迭代，Optuna 将根据试验建议的超参数训练模型，并计算模型在测试集上的 AUC 分数，最终返回最佳的 AUC 分数。

def objective_hbgb(tri