Ctrl+K

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，以拆分训练/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，测试指数必须高于以前，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 .在第k次拆分中，它返回前k个折叠作为训练集，并返回第（k+1）个折叠作为测试集。

请注意，与标准交叉验证方法不同，连续训练集是之前训练集的超集。

阅读更多的 User Guide .

有关交叉验证行为的可视化以及常见scikit-learn拆分方法之间的比较，请参阅 在scikit-learn中可视化交叉验证行为

Added in version 0.18.

参数:
n_splitsint，默认=5

分裂的数量。必须至少为2。

在 0.22 版本发生变更: n_splits 默认值从3更改为5。

max_train_sizeint，默认=无

单个训练集的最大大小。

test_sizeint，默认=无

用于限制测试集的大小。默认为 n_samples // (n_splits + 1) ，这是允许的最大值， gap=0 .

Added in version 0.24.

gapint，默认=0

在测试集之前要从每个训练集末尾排除的样本数。

Added in version 0.24.

注意到

The training set has size i * n_samples // (n_splits + 1) + n_samples % (n_splits + 1) in the i th split, with a test set of size n_samples//(n_splits + 1) by default, where n_samples is the number of samples. Note that this formula is only valid when test_size and max_train_size are left to their default values.

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]

有关更扩展的示例，请参阅 与时间相关的特征工程 .

get_metadata_routing()[源代码]#

获取此对象的元数据路由。

请检查 User Guide 关于路由机制如何工作。

返回:
routingMetadataRequest

A MetadataRequest 封装路由信息。

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

返回交叉验证器中分裂迭代的数量。

参数:
X对象

总是被忽略，存在是为了兼容性。

y对象

总是被忽略，存在是为了兼容性。

groups对象

总是被忽略，存在是为了兼容性。

返回:
n_splitsint

返回交叉验证器中分裂迭代的数量。

split(X, y=None, groups=None)[源代码]#

生成索引将数据拆分为训练集和测试集。

参数:
X形状类似阵列（n_samples，n_features）

训练数据，在哪里 n_samples 是样本数量和 n_features 是功能的数量。

y形状类似阵列（n_samples，）

总是被忽略，存在是为了兼容性。

groups形状类似阵列（n_samples，）

总是被忽略，存在是为了兼容性。

收益率:
trainndarray

训练为该分裂设置了指数。

testndarray

测试为该分裂设置了指数。

On this page