TimeSeriesSplit#

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

时间序列交叉验证器。

提供训练/测试索引来分割时间序列数据样本，这些样本在固定时间间隔内被观察到，分为训练/测试集。 在每次分割中，测试索引必须比之前的更高，因此在交叉验证器中不适合进行洗牌。

这个交叉验证对象是 KFold 的一个变体。 在第 k 次分割中，它返回前 k 折作为训练集，第 (k+1) 折作为测试集。

请注意，与标准的交叉验证方法不同，连续的训练集是那些之前训练集的超集。

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 在 scikit-learn 中可视化交叉验证行为

Added in version 0.18.

Parameters:
n_splitsint, default=5

分割数量。必须至少为 2。

Changed in version 0.22: n_splits 默认值从 3 改为 5。

max_train_sizeint, default=None

单个训练集的最大大小。

test_sizeint, default=None

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

Added in version 0.24.

gapint, default=0

在每个训练集结束和测试集开始之间排除的样本数量。

Added in version 0.24.

Notes

训练集在第 i 次分割中的大小为 i * n_samples // (n_splits + 1) + n_samples % (n_splits + 1) ，默认情况下测试集的大小为 n_samples//(n_splits + 1) ， 其中 n_samples 是样本数量。请注意，这个公式仅在 test_size 和 max_train_size 保持默认值时有效。

Examples

>>> 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]
>>> # 将 test_size 固定为 2，样本数为 12
>>> 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]
>>> # 增加 2 期的间隔
>>> 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()#

获取此对象的元数据路由。

请查看 用户指南 以了解路由机制的工作原理。

Returns:
routingMetadataRequest

MetadataRequest 封装的 路由信息。

get_n_splits(X=None, y=None, groups=None)#

返回交叉验证器中的分割迭代次数。

Parameters:
Xobject

总是被忽略，存在是为了兼容性。

yobject

总是被忽略，存在是为了兼容性。

groupsobject

总是被忽略，存在是为了兼容性。

Returns:
n_splitsint

返回交叉验证器中的分割迭代次数。

split(X, y=None, groups=None)#

生成索引以将数据拆分为训练集和测试集。

Parameters:
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 和 n_features 是特征数量。

y形状为 (n_samples,) 的类数组

总是被忽略，存在以保持兼容性。

groups形状为 (n_samples,) 的类数组

总是被忽略，存在以保持兼容性。

Yields:
trainndarray

该拆分的训练集索引。

testndarray

该拆分的测试集索引。

On this page
Show Source