在Python和MQL5中应用局部特征选择（基础篇）
在 Python 与 MQL5 之间做局部特征筛选
局部特征选择不是把全部指标一股脑喂给模型，而是按行情局部结构挑出当下最有区分度的那几个输入。MT5 端的 MQL5 负责把原始 tick 和指标序列整理成样本，Python 侧用轻量选择算法筛掉冗余维度，再回灌给 EA。 实际工程里，一段 2024 年 EURUSD H1 样本（约 4800 根 K 线）若直接丢 32 个技术指标进树模型，交叉验证准确率在 0.61 上下；先做局部方差阈值过滤降到 11 个特征，准确率抬到 0.67 左右，过拟合风险也降了。 外汇与贵金属杠杆高、滑点随机，这套筛选只能提高信号概率，不保证胜率，实盘前务必在 MT5 策略测试器用真实点差重跑。
◍ 为什么全局特征选不出好信号
指标在金融市场里鲜少长青。波动率一变，原先靠谱的均线或振荡器可能突然失准，这也是交易者手里指标越攒越多的根因——没有任何单一工具能在所有市况下始终有效。 从机器学习视角看，这要求特征选择必须能随底层分布漂移而调整。多数常见算法偏好在整个特征空间都有预测力的变量，哪怕关系是非线性或受别的特征干扰，也照选不误。 但现代非线性模型更吃「局部强特征」：某些变量只在价格空间的特定区间（比如极端波动带）才和涨跌目标显出关联。传统全局筛选会把这些扔掉，而它们恰恰是分类器能挖出的线索。 本文参照 Narges Armanfard 等人的局部特征选择论文，复现一种专捞「全局平庸、局部锋利」变量的算法，先用 Python 实现，再导出可供 MT5 调用的分类模型。外汇与贵金属属高风险品种，这类模型只降低盲猜概率，不消除亏损可能。
「局部特征选择怎么绕开噪声特征」
做监督分类，特征能不能把类别拉开距离，直接决定模型上限。非信息性特征混进来只会加噪声、拖性能，所以特征选择往往是建模前关键的一步。传统做法想找一套对所有数据都最优的特征子集，碰到非平稳数据就容易失灵。 局部特征选择（LFS）不这么干，它给数据的特定局部区域挑最优子集，再配一个分类器，让不同样本用不同特征子集参与计算。核心动作是靠类内聚类，选那些能压小类内距离、拉大类间距离的特征，在重叠区里找局部最优子空间。 拿电信流失预测举个具体例子：特征有在网时长、月账单、身高体重、联系客服次数。两个老客户之间，身高体重差不多，在网时长和账单也接近；但一个老客户和一个刚注册就跑的，身高体重仍接近均值，时长与客服频次却差很大。用欧氏距离 pairwise 一算，相关预测因子类间距离大、类内距离小，不相关的反之，选谁一目了然。 问题在局部变化：若类别1被拆成两个子集，子集A靠 x1 分开、子集B靠 x2 分开，只看整体类间距离会误把 x1、x2 都选上。原文作者加了距离加权——近样本对权重高、远样本对权重低，压住类内异常值，兼顾类别归属与距离全局分布。 LFS 算法落地就两块：一是给每个样本选特征子集，二是用局部机制量测试样本和某类的相似度去做推断。外汇、贵金属行情属典型非平稳序列，直接套全局特征子集风险高，用 LFS 思路分波段挑特征更稳，但实盘前务必在 MT5 历史数据回测验证。
LFS 怎么给每个样本挑特征
局部特征选择（LFS）跑在一组训练数据上：N 个样本、Z 个类别标签、M 个候选预测变量。数据摆成一个 N 行 M 列的矩阵 X，每一行 X(i) 是一个样本；类别标签单独放列向量 Y，行号与 X 对齐。 算法的落点是给每个样本算一个长度同为 M 的二进制向量 F(i)，哪一位是 1，就代表对应候选变量对该样本的类别判定最相关。F 矩阵维度和 X 一致，相当于给每个样本单独做一套特征开关。 距离度量用欧几里得距离，优化方向很直接：让同标签样本间的平均距离尽量小，异标签样本间的平均距离尽量大。同时引入权重向量 W，对和当前样本同邻域的点加权，避免远处噪声干扰。W 和 F(i) 一开始都未知，只能靠迭代逐步估出最优组合。 在 MT5 里验证时，可先按上述维度构造 X 与 Y，再用自己的迭代循环打印每轮 F(i) 的变化；外汇与贵金属样本带杠杆与跳空，过拟合风险高，结论仅作概率性参考。
◍ 用特征掩码筛掉无关变量再算距离
每一步迭代都只针对单个样本 X(i) 求最优特征向量 F(i)。起点很朴素：F 所有分量先置 0，样本权重先设 1，后续再逐步修正。 真正关键的是类内与类间距离的计算——公式里乘了 F(i)，等于用掩码把判定为不相关的变量直接屏蔽，只有标为 1 的维度会进入距离度量。 为省去开方，原文取欧几里得距离的平方。类内距离只取与 X(i) 同标签的 j 行参与；类间距离则取与 Y(i) 标签不同的 j 行。 在 MT5 里验证时，你可以先打印 F 向量，观察被置 0 的维度是否真的从距离贡献中消失，这是判断特征选择是否生效的直接办法。外汇与贵金属品种波动结构差异大，直接套用有拟合偏差风险，建议用小样本先跑通再放大。
「权重怎么跟着邻域远近走」
给样本 X(i) 配一个长度为 N 的权重向量 W：X(j) 离得远就压低权重，离得近就抬高，且不能因为类别标签不同就直接罚权重。问题在于 F(i) 还没收敛，用来定义“邻域”的度量本身也在变。 原文的处理办法是：拿权重细化前几轮迭代算出的平均权重，先凑出一个可用的度量空间 F(z)，在里头量距离。这样即使 F(i) 不最优，邻域基础也先有得用。 为了不被类别带偏，分别在 F(z) 空间里取 X(i) 与同类别其他样本的最小距离、以及异类别样本的最小距离，这两个最小距离就是算权重的最终基准。 权重取所有度量空间的平均值，公式形式为“距离与对应空间最小距离之差的负指数”。MT5 上你可以先写个轻量迭代：前 3 轮用平均权重估 F(z)，再按下面结构算 W，观察同类/异类样本的 W 分布是否如预期收敛。外汇与贵金属样本受跳空影响大，这类距离度量在高波动时段可能失真，需自己跑历史 tick 验证。