我应该分别对训练集，验证集和测试集执行平稳小波变换吗？

Question

我有一个带有10000个样本的时间序列数组数据。我将数据分为训练，验证和测试数组，如下所示：

import numpy as np
import pywt

data = np.random.rand(10000,)

train = data[:8000]
validate = data[8000:9000]
test = data[9000:]

我想实施this篇论文。该论文的作者说：

  

原始数据被分解为   使用trous DWT的修改版本的一系列详细信息（DW）   （，以便将来的数据值不会在计算中使用。）

2个问题：

1）：当他说：以便在计算中不使用将来的数据值时，他是什么意思？？ 他是否意味着我们应该尝试在火车上分别执行 SWT ，验证和测试集，如下所示？

[(cA_train,cD_train)] = pywt.swt(train, wavelet='db4', level=1)

[(cA_validate,cD_validate)] = pywt.swt(validate, wavelet='db4', level=1)

[(cA_test,cD_test)] = pywt.swt(test, wavelet='db4', level=1)

2）如果我对以下整个数据执行SWT，然后将其分为训练，验证和测试，这是错误的吗？

[(cA_data,cD_data)] = pywt.swt(data, wavelet='db4', level=1)