分割器

The sktime.split 模块包含用于数据分割和重采样的算法。

sktime 中的所有分割器可以使用 sktime.registry.all_estimators 工具列出，使用 estimator_types="splitter"，可以选择性地通过标签进行过滤。有效的标签可以使用 sktime.registry.all_tags 列出。

基于标签的完整表格也可以在 估算器搜索页面 上找到（在“估算器类型”下拉菜单中选择“分割器”）。

分割工具

temporal_train_test_split 是一个用于将单个时间序列快速分割为训练集和测试集的实用函数。

建议对性能评估感兴趣的预测用户使用完整回测，而不是单一分割，例如通过 evaluate，参见 预测API参考。

temporal_train_test_split(y[, X, test_size, ...])

将时间序列数据容器拆分为单一的训练/测试拆分。

时间索引分割器

时间索引分割器根据时间顺序分割一个或多个时间序列。它们通常用于预测器的评估和调优。它们具有标签 "split_type"="temporal"。

CutoffSplitter(cutoffs[, fh, window_length])	截止窗口分割器。
SingleWindowSplitter(fh[, window_length])	单窗口分割器。
SlidingWindowSplitter([fh, window_length, ...])	滑动窗口分割器。
ExpandingWindowSplitter([fh, ...])	扩展窗口分割器。
ExpandingCutoffSplitter(cutoff, fh, step_length)	扩展时间序列数据的截止分割器。
ExpandingGreedySplitter(test_size[, folds, ...])	从序列末尾连续切割测试折叠的分割器。
TemporalTrainTestSplitter([train_size, ...])	基于训练集或测试集样本大小的时序训练-测试分割器。

时间索引分割器组成

以下分割器是组合，可用于创建更复杂的时间索引分割策略。

Repeat(splitter[, times, mode, random_repeat])

向拆分器添加重复项，逐元素或逐序列。

SameLocSplitter(cv[, y_template])	从另一个分割器复制位置索引的分割器。
TestPlusTrainSplitter(cv)	将训练集添加到测试集的分隔器。

实例分割器

实例分割器通过实例索引（即整个序列的标识符）来分割面板或分层时间序列。训练集和测试集包含原始面板中的整个序列。实例分割器具有标签 "split_type"="instance"。

InstanceSplitter(cv)

将 sklearn 实例分割器应用于时间序列面板的分割器。