如何集拆分到训练集和验证集

Question

我们有一些数据集：100个产品

每天销售数从一月到六月，

我们的目的是预测每天销售数量在七月。

所以如何将数据集分成训练集，验证集

Answer 1

时间序列的地方，你不应该随意分割典型案例（一般你不应该随意拆分的时候那里有显著例子，例如相关） 。

通常销售不是严格动态的时间序列（如股票价格），但使用train_test_split可能会有问题。

您可以在不使用sklearn的情况下获得所需的交叉验证拆分（例如sklearn: User defined cross validation for time series data,Pythonic Cross Validation on Time Series ...）。

培训的70-80％是标准。假设例子的分布均匀，可以使用1月至4月/ 5月的数据作为训练集，其余记录用于验证。

目前，据我所知，sklearn不支持严格的时间相关问题的交叉验证。所有开箱即用的交叉验证程序将构建训练折叠，其中包含有关测试折叠的未来信息（例如[WIP] RollingWindow cross-validation #3638）。

此外，您应该考虑您的数据是季节性的还是另有明显的组别划分（例如地理区域）。