如何将数据集拆分为训练集和验证集

Question

我们有一些数据集：

从1月到6月，每天销售100件产品，

我们的目标是预测7月份的每日销售量。

所以如何将数据集拆分为训练集，验证集

Answer 1

时间序列是不应随机拆分的典型情况（一般情况下，如果存在重要的示例 - 示例关联，则不应随机拆分。）

通常销售不是严格动态的时间序列（如股票价格），但使用train_test_split可能会有问题。

您可以在不使用sklearn的情况下获得所需的交叉验证拆分（例如sklearn: User defined cross validation for time series data，Pythonic Cross Validation on Time Series ...）。

70-80％的培训是标准的。假设示例的分布均匀，您可以使用1月到4月/ 5月的数据来获取训练集，并使用剩余的记录进行验证。

目前，据我所知，sklearn不支持对时间相关问题进行严格的交叉验证。所有开箱即用的交叉验证程序将构建训练折叠，其中包括与测试折叠相关的未来信息（例如[WIP] RollingWindow cross-validation #3638）。

此外，您应该考虑您的数据是季节性的还是在群组中有明显的划分（例如地理区域）。