Question

我正在使用Scikit Learn的线性回归模型来解释时间序列：

from sklearn import linear_model
import numpy as np

X = np.array([np.random.random(100), np.random.random(100)])
y = np.array(np.random.random(100))

regressor = linear_model.LinearRegression()
regressor.fit(X, y)
y_hat = regressor.predict(X)

我想交叉验证预测。据我所知，我不能使用sklearn的cross_val（如Kfold），因为它会随机分解结果，我需要按顺序折叠。例如，

data_set = [1 2 3 4 5 6 7 8 9 10]

# first train set
train = [1]
# first test set
test = [2 3 4 5 6 7 8 9 10]
#fit, predict, evaluate

# train set
train = [1 2]
# test set
test = [3 4 5 6 7 8 9 10]
#fit, predict, evaluate

...

# train set
train = [1 2 3 4 5 6 7 8]
# test set
test = [9 10]
#fit, predict, evaluate

是否可以使用sklearn进行此操作？

Answer 1

这种折叠你不需要scikit。切片就足够了，例如：

<a href="#">test</a>
<a href="#">test</a>
<a id="noclick" href="#">test</a>
<a href="#">test</a>
<script>
    $( "a" ).not( "#noclick" ).click(function(){
      alert("clicked");
    });
</script>

使用scikit学习的线性回归进行时间序列交叉验证

1 个答案: