machine-learning - 交叉验证技术中基于时间的分割是什么意思？

Question

我对数据集中的每条记录都有一个时间戳。

我听说过基于时间的吐痰，但对此一无所知。

标签： machine-learningdata-sciencecross-validation

Answer 1

正常的交叉验证

您有一组数据点：

data_points = [2, 4, 5, 8, 6, 9]

然后，如果您进行 2 倍拆分，您的数据点将被随机分配到 2 个不同的组。

例如：

split_1 = [2, 5, 9]
split_2 = [3, 8, 6]

但是，这假设不需要保留数据点的顺序。您可以使用 训练模型split_1并使用 进行测试split_2。

基于时间的分裂

然而，这个假设对于时间序列预测并不总是正确的。

例如，给定相同的数据点：

data_points = [2, 4, 5, 8, 6, 9]

可能是按时间安排的。

然后你可以有一个模型来预测下一个数字，它回顾 3 个时间步长。（例如，预测 之后的数字9，它将[8, 6, 9]作为输入。这意味着数据点出现的顺序很重要。因此，为了测试您的模型，您不能随机拆分数据点。它们似乎需要保留。

因此，如果您进行 2 倍拆分，您可以获得以下拆分：

split_1 = [2, 4, 5, 8]
split_2 = [5, 8, 6, 9]

执行

Sklearn 有一个基于时间的交叉验证的实现：TimeSeriesSplit。