SkLearn 中的 TimeSeriesSplit 无法正常工作

Posted 2023-03-12

【中文标题】SkLearn 中的 TimeSeriesSplit 无法正常工作

【英文标题】：TimeSeriesSplit in SkLearn is not working propertly

【发布时间】：2019-09-21 06:32:15

【问题描述】：

TimeSeriesSplitCV 在 sklearn 上无法正常工作。这是适当的行为吗？

使用此处给出的示例：https://scikit-learn.org/stable/modules/generated/sklearn.model_selection.TimeSeriesSplit.html

from sklearn.model_selection import TimeSeriesSplit
X = np.array([[1, 2], [3, 4], [1, 2], [3, 4], [1, 2], [3, 4]])
y = np.array([1, 2, 3, 4, 5, 6])
tscv = TimeSeriesSplit(n_splits=5)
print(tscv)  

for train_index, test_index in tscv.split(X):
   print("TRAIN:", train_index, "TEST:", test_index)

当您将拆分数更改为 2 而不是默认的 n_splits = 5 时，测试数据的长度变为 2 而不是 1。但是，对于 SKLearn 文档中定义的所有时间序列案例以及大多数常见场景，目标是按时间顺序预测下一次观察。我是不是误会了什么？

TRAIN: [0 1] TEST: [2 3]
TRAIN: [0 1 2 3] TEST: [4 5]

【问题讨论】：

如果您需要任何其他帮助，请告诉我

您好 Jan，感谢您的回复。非常有帮助。我误解了时间序列验证策略，并从给定的示例中认为测试集应该始终是一个。我现在看到这类似于 K 折叠，但只是按时间顺序不断扩展的折叠，而不是随机抽样。感谢您的洞察力。

请考虑：***.com/help/someone-answers

【参考方案1】：

让验证集包含仅，下一个观察结果只是当您将n_splits 设置为等于n_samples - 1 时的一种特殊情况，其中n_samples 是您的样本数数据集。

官方文档字符串示例正是这样做的（n_samples=6 和 n_splits=5）。通常，验证集包含不止 1 个样本。

查看更全面的示例here。下面我附上一个情节。在这种情况下，n_samples=100、n_splits=4 和每个验证（测试）集包含 20 个样本。