Question

所以我正在使用sklearn中的timeSeriesSplit这样分割数据，

tscv = TimeSeriesSplit(n_splits=3)

现在，我知道为了获取分割索引，我们必须在tscv.split(X)上进行迭代。我的问题是，是否可以直接到达最后一个拆分，而无需遍历拆分。该函数返回的对象不完全是一个列表，所以我不确定该怎么做？我只需要最后一次分割，因为我的数据很大，没有。拆分的数量也很大。

预先感谢

Answer 1

您可以尝试

def get_last_cv(splits):
    splits_deque = deque(splits, maxlen=1)
    last_element = splits_deque.pop()
    train,test = last_element
    return train,test

然后获取这样的索引

 train_index,test_index = get_last_cv(tscv.split(X))

其中X是您的数据

Answer 2

TimeSeriesSplit中的

Split 方法生成索引拆分 。 要进行特定的拆分，您需要对其进行迭代。 它可以迭代所有可能的拆分以进行时间序列交叉验证。

如果cv拆分中的测试数据大小等于s。然后，无论您进行了多少次分割，最后的分割集train_data = all data except last s data point和test_data as last s data points。因此，如果您要直接分割最后一个数据：分割数据。例如。如果您的数据是一个numpy数组X：

import numpy as np
from sklearn.model_selection import TimeSeriesSplit
X = np.array([[1, 2], [0, 4], [1, 2], [2, 4] ,[1, 2], [7, 4], [8, 2], [5, 4]])

n_splits = 2                                       # select no of splits required
tscv = TimeSeriesSplit(n_splits = n_splits)

n_samples = X.shape[0]                             # this is how test_size (s)
s = n_samples//(n_splits + 1)                      # is evaluated internally              

X_train_last, X_test_last = X[ :-s], X[-s: ]       # s=2 for this split

X_train_last
# array([[1, 2],
#        [0, 4],
#        [1, 2],
#        [2, 4],
#        [1, 2],
#        [7, 4]])

X_test_last
# array([[8, 2],
#       [5, 4]])

此外，如果您在拆分时设置了“ max_train_size”。然后在切片时您也需要注意这一点。有关详细信息，请参考TimeSeriesSplit documentation here。

Sklearn：从timeSeriesSplit获取最后一个拆分

2 个答案: