时间序列数据的模型参数选择

Question

对于模型参数选择，我们总是使用交叉验证进行网格搜索，以测试哪些参数比其他参数更好。

它适用于一般培训数据，例如this one，但如果数据之间存在时间关系，例如销售数天或库存数天，那么直接进行交叉验证是错误的吗？ / p>

由于交叉验证将使用在训练数据中随机分割的kFold，这意味着对于时间序列数据，最近几天的信息将用于过去的训练。

我的问题是，如何对时间序列数据进行参数选择或交叉验证？

Answer 1

是的，更常见的是使用回测或滚动预测，您可以在之前的N个时间段或所有时段中训练最多N个，然后测试时段N + k（k> = 1） ，甚至可能甚至测试一系列未来时期。 （例如，培训过去60个月的数据，然后预测未来12个月）。但细节实际上取决于您使用的模型和问题域。 Rob Hyndman给出a concrete example，你可以通过搜索“讨价还价比赛时间序列数据交叉验证”找到更多。

在某些情况下，按时间分层执行随机拆分是有意义的。然后如上所述在列车拆分上进行滚动训练和CV评估，并分别对随机测试保持进行滚动测试评估。

在某些情况下，你可以逃避执行普通的随机CV，其中时间只是另一个特征值（通常编码为许多工程时间特征，例如cos(2 pi hour_of_day / 24)，sin(2 pi hour_of_day / 24)，{{1}等等）。对于像XGBoost这样的模型，这可以更好地工作，允许模型发现数据中的时间依赖性，而不是在训练/测试方案中对它们进行编码。