3. 实验跟踪入门

在金融建模中，一次“跑通模型”并不等于一次“可复现的实验”。你可能用同一份行情数据、同一套特征工程，却因为随机种子、学习率、滑窗长度或手续费假设不同，得到完全不同的回测曲线。MLflow 实验跟踪要解决的核心问题，就是把这些“看不见的差异”变成可查询、可比较、可追溯的记录。本节从最基础的两个概念——Experiment 与 Run——出发，带你完成一次完整的记录动作。

核心原理：Experiment 是容器，Run 是执行实例

很多初学者会把 Experiment 理解成“一次实验”，这是最常见的认知偏差。在 MLflow 中，Experiment 是一个逻辑分组容器，通常对应一个业务问题或一个研究方向，例如“A股多因子选股”“信用违约预测”“期权波动率曲面拟合”。而 Run 是这个容器内的一次具体执行，对应一次训练、一次回测或一次参数扫描中的单个组合。

因此，一个 Experiment 下可以包含成百上千个 Run。每个 Run 拥有独立的 run_id、开始时间、结束时间、状态（RUNNING / FINISHED / FAILED / KILLED），并挂载四类核心信息：参数（Params）、指标（Metrics）、工件（Artifacts）和标签（Tags）。参数是输入，指标是输出，工件是产物，标签是检索维度。理解这四者的分工，比记住 API 名称更重要。

方法流程：一次完整的记录动作

下面以“多因子选股回测”为例，演示从创建 Experiment 到记录 Run 的标准流程。假设你已经在本地或服务器上配置好 MLflow Tracking Server，环境变量 MLFLOW_TRACKING_URI 指向该服务。

1. 设置或创建 Experiment。如果实验已存在则复用，不存在则创建，避免每次运行都产生新实验。
2. 启动 Run。使用 with mlflow.start_run() 上下文管理器，确保异常时 Run 状态能正确标记为 FAILED。
3. 记录参数。把学习率、滑窗长度、手续费率、随机种子等输入写入 Params。
4. 记录指标。把夏普比率、最大回撤、年化收益、IC 均值等评估结果写入 Metrics。
5. 记录工件。把模型文件、回测净值曲线图、特征重要性表等写入 Artifacts。
6. 打标签。用 Tags 标记阶段、负责人、数据版本，便于后续检索。

import mlflow
import mlflow.sklearn

mlflow.set_tracking_uri("http://127.0.0.1:5000")
mlflow.set_experiment("A股多因子选股")

with mlflow.start_run(run_name="lr005_win20") as run:
    # 1. 记录参数
    mlflow.log_param("learning_rate", 0.05)
    mlflow.log_param("window", 20)
    mlflow.log_param("commission", 0.0003)
    mlflow.log_param("seed", 42)

    # 2. 训练与回测（此处省略具体建模代码）
    sharpe, max_drawdown, annual_return = 1.65, -0.12, 0.23

    # 3. 记录指标
    mlflow.log_metric("sharpe", sharpe)
    mlflow.log_metric("max_drawdown", max_drawdown)
    mlflow.log_metric("annual_return", annual_return)

    # 4. 记录工件
    mlflow.log_artifact("reports/equity_curve.png")
    mlflow.sklearn.log_model(model, "model")

    # 5. 打标签
    mlflow.set_tag("stage", "best")
    mlflow.set_tag("owner", "quant_team")

    print("run_id:", run.info.run_id)

运行结束后，打开 MLflow UI，你会在“A股多因子选股”实验下看到这条 Run，并能直接对比不同 Run 的指标列。这就是实验跟踪最直接的收益：把散落在终端和笔记本里的结果，变成一张可排序的表格。

案例场景：参数扫描中的 Run 组织

假设你要对学习率和滑窗长度做网格搜索，共 3×3=9 个组合。此时不要创建 9 个 Experiment，而应在同一个 Experiment 下创建 9 个 Run。每个 Run 记录自己的参数组合和对应指标，最后在 UI 中按 sharpe 降序排列，即可快速定位最优组合。若把每个组合都建成独立 Experiment，实验列表会迅速膨胀，失去分组意义。

误区与复盘