TimeSeriesSplit#

class sklearn.model_selection.TimeSeriesSplit(n_splits=5, *, max_train_size=None, test_size=None, gap=0)[源代码]#

时间序列交叉验证器。

提供训练/测试索引以分割按时间排序的数据，因为其他交叉验证方法不适用，它们会导致在未来数据上训练并在过去数据上评估。为确保各折叠之间的指标具有可比性，样本必须等距。一旦满足此条件，每个测试集覆盖相同的时间长度，而训练集大小则累积来自先前分割的数据。

此交叉验证对象是 KFold 的变体。在第 k 次分割中，它将前 k 折作为训练集，将第 (k+1) 折作为测试集。

请注意，与标准交叉验证方法不同，后续训练集是其前一个训练集的超集。

更多信息请参阅用户指南。

有关交叉验证行为的可视化以及常见 scikit-learn 分割方法之间的比较，请参阅可视化 scikit-learn 中的交叉验证行为

在 0.18 版本中添加。

参数:

n_splitsint, 默认值=5: 分割次数。必须至少为 2。

在 0.22 版本中更改: n_splits 的默认值从 3 更改为 5。
max_train_sizeint, 默认值=None: 单个训练集的最大大小。
test_sizeint, 默认值=None: 用于限制测试集的大小。默认为 n_samples // (n_splits + 1)，这是当 gap=0 时允许的最大值。

在 0.24 版本中添加。
gapint, 默认值=0: 在测试集之前，从每个训练集末尾排除的样本数量。

在 0.24 版本中添加。

备注

在第 i 次分割中，训练集的大小为 i * n_samples // (n_splits + 1) + n_samples % (n_splits + 1)，测试集的大小默认为 n_samples//(n_splits + 1)，其中 n_samples 是样本数量。请注意，此公式仅在 test_size 和 max_train_size 使用默认值时才有效。

示例

>>> import numpy as np
>>> from sklearn.model_selection import TimeSeriesSplit
>>> X = np.array([[1, 2], [3, 4], [1, 2], [3, 4], [1, 2], [3, 4]])
>>> y = np.array([1, 2, 3, 4, 5, 6])
>>> tscv = TimeSeriesSplit()
>>> print(tscv)
TimeSeriesSplit(gap=0, max_train_size=None, n_splits=5, test_size=None)
>>> for i, (train_index, test_index) in enumerate(tscv.split(X)):
...     print(f"Fold {i}:")
...     print(f"  Train: index={train_index}")
...     print(f"  Test:  index={test_index}")
Fold 0:
  Train: index=[0]
  Test:  index=[1]
Fold 1:
  Train: index=[0 1]
  Test:  index=[2]
Fold 2:
  Train: index=[0 1 2]
  Test:  index=[3]
Fold 3:
  Train: index=[0 1 2 3]
  Test:  index=[4]
Fold 4:
  Train: index=[0 1 2 3 4]
  Test:  index=[5]
>>> # Fix test_size to 2 with 12 samples
>>> X = np.random.randn(12, 2)
>>> y = np.random.randint(0, 2, 12)
>>> tscv = TimeSeriesSplit(n_splits=3, test_size=2)
>>> for i, (train_index, test_index) in enumerate(tscv.split(X)):
...     print(f"Fold {i}:")
...     print(f"  Train: index={train_index}")
...     print(f"  Test:  index={test_index}")
Fold 0:
  Train: index=[0 1 2 3 4 5]
  Test:  index=[6 7]
Fold 1:
  Train: index=[0 1 2 3 4 5 6 7]
  Test:  index=[8 9]
Fold 2:
  Train: index=[0 1 2 3 4 5 6 7 8 9]
  Test:  index=[10 11]
>>> # Add in a 2 period gap
>>> tscv = TimeSeriesSplit(n_splits=3, test_size=2, gap=2)
>>> for i, (train_index, test_index) in enumerate(tscv.split(X)):
...     print(f"Fold {i}:")
...     print(f"  Train: index={train_index}")
...     print(f"  Test:  index={test_index}")
Fold 0:
  Train: index=[0 1 2 3]
  Test:  index=[6 7]
Fold 1:
  Train: index=[0 1 2 3 4 5]
  Test:  index=[8 9]
Fold 2:
  Train: index=[0 1 2 3 4 5 6 7]
  Test:  index=[10 11]

有关更详细的示例，请参阅时间相关特征工程。

get_metadata_routing()[源代码]#

获取此对象的元数据路由。

请查看用户指南，了解路由机制的工作原理。

返回:

routingMetadataRequest: 一个包含路由信息的 MetadataRequest 对象。

get_n_splits(X=None, y=None, groups=None)[源代码]#

返回交叉验证器中的分割迭代次数。

参数:

X对象: 始终忽略，仅为兼容性而存在。
y对象: 始终忽略，仅为兼容性而存在。
groups对象: 始终忽略，仅为兼容性而存在。

返回:

n_splitsint: 返回交叉验证器中的分割迭代次数。

split(X, y=None, groups=None)[源代码]#

生成索引以将数据分割为训练集和测试集。

参数:

X形状为 (n_samples, n_features) 的类数组: 训练数据，其中 n_samples 是样本数量，n_features 是特征数量。
y形状为 (n_samples,) 的类数组: 始终忽略，仅为兼容性而存在。
groups形状为 (n_samples,) 的类数组: 始终忽略，仅为兼容性而存在。

生成: