Question

我正在使用sklearn的Timeseriessplit函数来创建训练和测试集用于时间序列的交叉验证。例如，使用n-1数据点进行训练，使用第n个数据点进行测试。必须始终对此拆分进行排序，因为它是一个时间序列。但是，我不明白，为什么示例中的数据集X的格式如下：

from sklearn.model_selection import TimeSeriesSplit
import numpy as np
X = np.array([[1, 2], [3, 4], [1, 2], [3, 4]])
y = np.array([1, 2, 3, 4])
tscv = TimeSeriesSplit(n_splits=3)
print(tscv)  
for train_index, test_index in tscv.split(X):
    print("TRAIN:", train_index, "TEST:", test_index)
    X_train, X_test = X[train_index], X[test_index]
    y_train, y_test = y[train_index], y[test_index]

数据预制背后的逻辑是什么，X = np.array（[[1,2]，[3,4]，[1,2]，[3,4]]）？当然，我阅读了页面上的注释，但仍然不理解

Answer 1

通常在时间序列数据中，您希望根据y[t]数据预测X[0:t-1]。这个sklearn.model_selection.TimeSeriesSplit方法似乎将大小为X的完整时间序列N作为参数（其中N是不同时间步数的实例数）及其相应的标签每次步骤y。然后，X形状为（4,2），因为我们在不同的时间步有4个实例，每个实例有2个特征。

我们如何解释这两个特征可能会引起争议：

我们可以将每个实例视为具有一组功能的特定时间点的单个样本。或...
我们可以将每个实例视为一组时间点，在一个时间间隔内定义实例本身。

这两个选项对我来说都是正确的。虽然我们如何解释X的结构，但这里的问题是TimeSeriesSplit如何分割数据，避免测试数据实例与之前训练数据实例的时间步骤。

时间序列的交叉验证

1 个答案: