时间戳

首页 > 解决方案 > Python时间序列拆分

time-series - Python时间序列拆分

问题描述

我有以下问题：

我有一个计时器系列。我已经完成了预处理，现在我有了包含多个特征的 x 和包含我的输出的 y。我已经把它分成了火车，测试：x_train,,,,x_testy_trainy_test

我现在想做回归和网格搜索。

由于我有时间序列，我无法进行 k 折交叉验证。所以我想使用TimeSeriesSplit.

但我到底在分裂什么？我想我会把训练集分成训练和测试/验证来训练我的模型，验证/选择我的超参数，然后使用测试进行预测。这个对吗？我该如何选择n_splits？

我现在有以下代码：

pipe=Pipeline....
pipe.fit(x_train, y_train)

tss=TimeSeriesSplit(n_splits=5)
for train_index, test_index in tss(train):
print('train:', train_index, 'test:', test_index

clf=GridSearchCV(pipe, param_grid, cv=tss)
clf.fit(x_train, y_train)

标签： time-series

解决方案

根据 sklearn 文档：

https://scikit-learn.org/stable/modules/generated/sklearn.model_selection.TimeSeriesSplit.html

“提供训练/测试索引来拆分在训练/测试集中以固定时间间隔观察到的时间序列数据样本。在每次拆分中，测试索引必须高于以前，因此在交叉验证器中改组是不合适的。”

如果你想验证一个时间序列模型，那么要走的路是嵌套交叉验证，一些关于它的信息在下面的链接中：

https://mlfromscratch.com/nested-cross-validation-python-code/

推荐阅读