时间序列划分#

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

时间序列交叉验证器。

提供训练/测试索引，用于分割在固定时间间隔观察到的时间序列数据样本，将其划分为训练集和测试集。在每次分割中，测试索引必须高于之前的索引，因此交叉验证器中的洗牌是不合适的。

此交叉验证对象是 KFold 的变体。在第 k 次分割中，它返回前 k 个折叠作为训练集，以及第 (k+1) 个折叠作为测试集。

请注意，与标准交叉验证方法不同，连续的训练集是其之前的训练集的超集。

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拆分方法之间比较的信息，请参考scikit-learn中交叉验证行为的可视化

0.18版本新增。

参数：

n_splitsint，默认值=5: 分割次数。必须至少为2。

0.22版本变更：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gap=0时允许的最大值。

0.24版本新增。
gapint，默认值=0: 在测试集之前，从每个训练集的末尾排除的样本数。

0.24版本新增。

备注

在第i个分割中，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。请注意，此公式仅在test_size和max_train_size保留其默认值时有效。

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]