将随机森林用于时间序列数据集

Question

对于时间序列数据集，我想做一些分析并创建预测模型。通常，我们会将数据（通过整个数据集中的随机抽样）分成训练集和测试集，并使用带有randomForest函数的训练集。并保持测试部分检查模型的行为。

但是，有人告诉我，不可能通过随机抽样来分割数据。

如果有人解释如何将数据拆分为培训和测试时间序列数据，我将不胜感激。或者，如果有任何替代做时间序列随机森林。 此致

Answer 1

阅读销售档案

Sales<-read.csv("Sales.csv") 

寻找训练集的长度。

train_len=round(nrow(Sales)*0.8) 
test_len=nrow(Sales)

将您的数据拆分为训练和测试集我在这里考虑过80-20分裂你可以改变它。确保您的数据按升序排序。 训练集

training<-slice(SubSales,1:train_len) 

测试集

testing<-slice(SubSales,train_len+1:test_len)