小数据集上的参数选择是否适合总数据集

Question

当我进行参数选择时，它总是需要多次选择来进行网格搜索。例如，我想检查随机森林树的NumOfTrees和MaxDepth，如果我在第一个参数中有M1选项而在第二个参数中有M2选项，它将搜索M1 * M2的可能性。

如果它非常大，那么对总数据集进行参数搜索是很昂贵的。

我的问题是，我是否可以使用较小的数据集（对于总数据为180天，对于较小的数据为30天）来进行参数搜索，并将所选参数处理为最佳总数？如果不是，它们之间有多大差异？感谢。

Answer 1

这取决于您的30天数据是否代表您的整个持续时间。换句话说，您的目标应该具有与输入要素类似的分布：i）用于参数选择的30天和ii）您希望预测的未来时间。

例如。以下案例不胜任何工作：

您的数据可能具有某种季节性。您的9月份客户购买数据不足以调整参数以预测圣诞季节客户交易。通常在圣诞节期间，流量明显较大，产品的类型/类别也大不相同。