scikit-learn：cross_val_predict仅适用于分区

Question

我正在努力研究如何在sklearn中实现TimeSeriesSplit。

以下链接中的建议答案产生相同的ValueError。

sklearn TimeSeriesSplit cross_val_predict only works for partitions

这里是我代码中的相关位：

from sklearn.model_selection import cross_val_predict
from sklearn import svm

features = df[df.columns[0:6]]
target = df['target']

clf = svm.SVC(random_state=0)

pred = cross_val_predict(clf, features, target, cv=TimeSeriesSplit(n_splits=5).split(features))

ValueError Traceback（最近一次调用最后一次）  in（） ----＆GT; 1 pred = cross_val_predict（clf，features，target，cv = TimeSeriesSplit（n_splits = 5）.split（features））

/home/jedwards/anaconda3/envs/py36/lib/python3.6/site-packages/sklearn/model_selection/_validation.py in cross_val_predict（estimator，X，y，groups，cv，n_jobs，verbose，fit_params， pre_dispatch，方法）     407     408如果不是_check_is_permutation（test_indices，_num_samples（X））： - ＆GT; 409引发ValueError（'cross_val_predict仅适用于分区'）     410     411 inv_test_indices = np.empty（len（test_indices），dtype = int）

ValueError：cross_val_predict仅适用于分区

Answer 1

cross_val_predict无法与TimeSeriesSplit一起使用，因为TimeSeriesSplit的第一个分区永远不是测试数据集的一部分，这意味着没有为它做出预测。

e.g。当您的数据集是[1,2,3,4,5]

时

• fold 1 - train：[1]，test：[2]
• fold 2 - train：[1,2]，test：[3]
• fold 3 - train：[1,2,3]，test：[4]
• fold 4 - train：[1,2,3,4]，test：[5]

在测试集中没有任何折叠为1

如果你想要预测2-5，你可以手动循环你的简历生成的分割，并自己存储2-5的预测。