如何集拆分到訓練集和驗證集

Question

我們有一些數據集：100個產品

每天銷售數從一月到六月，

我們的目的是預測每天銷售數量在七月。

所以如何將數據集分成訓練集，驗證集

Answer 1

時間序列的地方，你不應該隨意分割典型案例（一般你不應該隨意拆分的時候那裏有顯著例子，例如相關） 。

通常銷售不是嚴格動態的時間序列（如股票價格），但使用train_test_split可能會有問題。

您可以在不使用sklearn的情況下獲得所需的交叉驗證拆分（例如sklearn: User defined cross validation for time series data,Pythonic Cross Validation on Time Series ...）。

培訓的70-80％是標準。假設例子的分佈均勻，可以使用1月至4月/ 5月的數據作爲訓練集，其餘記錄用於驗證。

目前，據我所知，sklearn不支持嚴格的時間相關問題的交叉驗證。所有開箱即用的交叉驗證程序將構建訓練摺疊，其中包含有關測試摺疊的未來信息（例如[WIP] RollingWindow cross-validation #3638）。

此外，您應該考慮您的數據是季節性的還是另有明顯的組別劃分（例如地理區域）。