Scikit learn 如何在简历中使用scikit学习文档中提到的TimeSeriesSplit

尝试使用10倍时间序列分割，但在cross_val_score的文档中，给出了我们需要通过交叉验证生成器或iterable。时间序列分解为列车和测试数据后，我应该如何将其传递给cv

类型错误
回溯（最近一次呼叫最后一次） 在（）

--->16 sc=交叉评分（knn、X1、y1、cv=tss，评分=准确度）

1579列车，测试，详细，无， 1580配合参数）

->1581列车，在cv中测试）

1582返回np.数组（分数）[：，0]

1583

---

TypeError:“TimeSeriesSplit”对象不可编辑

只需将

tss

传递到

cv

 17     l.append(sc.mean())

 18 ~\Anaconda3\lib\site-packages\sklearn\cross_validation.py in cross_val_score(estimator, X, y, scoring, cv, n_jobs, verbose, fit_params, pre_dispatch)

无需调用

tss.split（）

更新： 上述方法在scikit learn v0.19.1上进行了测试。因此，请确保您拥有最新版本。我也在使用模块

编辑1：

您现在使用的是：

scores = cross_val_score(knn, X_train, y_train, cv=tss , scoring='accuracy')

但在你发布的问题中，你做到了：

tss = TimeSeriesSplit(n_splits=10).split(X_1)
kn = KNeighborsClassifier(n_neighbors=5, algorithm='brute') 
sc = cross_val_score(kn, X1, y1, cv=tss, scoring='accuracy') 

查看它们之间的差异（

split（）

不存在）。我在

cross\u val\u score（）

中使用了这个

tss

，而没有您在问题中发布的

split（）

编辑2：

老兄，你正在使用不推荐的类。 目前您正在执行以下操作：

tss = TimeSeriesSplit(n_splits=10)

这是错误的。您应该得到如下警告：

from sklearn.cross_validation import cross_val_score

弃用警告：此模块在版本0.18中被弃用，取而代之的是 模型_选择模块的所有重构类 和功能被移动。还请注意，新CV的界面 迭代器与此模块的迭代器不同。本模块将在 在0.20中删除

注意这一点，并像下面这样使用

model_selection

模块：

from sklearn.cross_validation import cross_val_score

---

这样您就不会收到我的代码错误。

只需将

tss

传递到

cv

 17     l.append(sc.mean())

 18 ~\Anaconda3\lib\site-packages\sklearn\cross_validation.py in cross_val_score(estimator, X, y, scoring, cv, n_jobs, verbose, fit_params, pre_dispatch)

无需调用

tss.split（）

更新： 上述方法在scikit learn v0.19.1上进行了测试。因此，请确保您拥有最新版本。我也在使用模块

编辑1：

您现在使用的是：

scores = cross_val_score(knn, X_train, y_train, cv=tss , scoring='accuracy')

但在你发布的问题中，你做到了：

tss = TimeSeriesSplit(n_splits=10).split(X_1)
kn = KNeighborsClassifier(n_neighbors=5, algorithm='brute') 
sc = cross_val_score(kn, X1, y1, cv=tss, scoring='accuracy') 

查看它们之间的差异（

split（）

不存在）。我在

cross\u val\u score（）

中使用了这个

tss

，而没有您在问题中发布的

split（）

编辑2：

老兄，你正在使用不推荐的类。 目前您正在执行以下操作：

tss = TimeSeriesSplit(n_splits=10)

这是错误的。您应该得到如下警告：

from sklearn.cross_validation import cross_val_score

弃用警告：此模块在版本0.18中被弃用，取而代之的是 模型_选择模块的所有重构类 和功能被移动。还请注意，新CV的界面 迭代器与此模块的迭代器不同。本模块将在 在0.20中删除

注意这一点，并像下面这样使用

model_selection

模块：

from sklearn.cross_validation import cross_val_score

---

那么我的代码就不会出错。

尝试使用10倍时间序列拆分，但在cross_val_score文档中，我们需要通过交叉验证生成器或iterable。在将时间序列分解为列车和测试数据后，我应该如何将其传递给cvI，因为cvI已经更新了答案，请参见Edit2。这就是我要求完整代码的原因。它在删除不推荐的类后工作。尝试使用10倍时间序列拆分，但在cross_val_score的文档中，给出了我们需要通过交叉验证生成器或iterable。在将时间序列分解为列车和测试数据后，我应该如何将其传递给cvI，因为cvI已经更新了答案，请参见Edit2。这就是我要求提供完整代码的原因。它在删除不推荐的类后工作。好的，我将尝试使用它。这将不起作用，因为TimeSeriesSplit不是iterable@DhruvBhardwaj. 我在发布之前已经检查了这个代码，并且按照预期工作。请共享当前错误的更多详细信息。另外，请阅读更新后的答案tss=TimeSeriesSplit（n_splits=10）。split（X_1）kn=KNeighborsClassifier（n_Neights=5，algorithm='brute'）sc=cross_val_score（kn，X1，y1，cv=tss，score='Accurance'）。我已经安装了您提到的最新版本的scikit learn，我会尝试使用它。这将不起作用，因为TimeSeriesSplit不是iterable@DhruvBhardwaj. 我在发布之前已经检查了这个代码，并且按照预期工作。请共享当前错误的更多详细信息。另外，请阅读更新后的答案tss=TimeSeriesSplit（n_splits=10）。split（X_1）kn=KNeighborsClassifier（n_Neights=5，algorithm='brute'）sc=cross_val_score（kn，X1，y1，cv=tss，score='Accurance'）。我已经安装了您提到的最新版本的scikit learn