Scikit learn Scikit学习：以时间为单位的测试大小

我正在使用Scikit Learn TimeSeriesPlit将我的数据拆分为训练集和测试集。目前，timeSeries数据集的第一次拆分为50%，之后的第二次拆分为30%。我想要一个固定的10%的数据用作测试集

tscv = TimeSeriesSplit(n_splits=3)
for train_index, test_index in tscv.split(X):
    print(train_index, test_index)

输出为：

[   0    1    2 ..., 1067 1068 1069] [1070 1071 1072 ..., 2136 2137 2138]
[   0    1    2 ..., 2136 2137 2138] [2139 2140 2141 ..., 3205 3206 3207]
[   0    1    2 ..., 3205 3206 3207] [3208 3209 3210 ..., 4274 4275 4276]

我想要这样的东西：

tscv=TimeSeriesSplit（n\u splits=3，test\u size==0.1）

类似于

train\u test\u split

---

如何只分割10%的条目进行测试？

这能满足您的需要吗？这是一个列/测试拆分，最后10%的行作为测试集

train_rows = round(0.9 * X.shape[0])

X_train = X.loc[:train_rows-1, :]
X_test  = X.loc[train_rows:, :]

assert X_train.shape[0] + X_test.shape[0] == X.shape[0]

---

没有用于指定百分比的直接参数。但是您可以相应地修改n_分割以获得所需的结果

在：-

在第k次拆分中，它返回第一个k次折叠作为列车组和 （k+1）次折叠作为测试集

现在你想要最后10%作为测试，其余作为训练。因此，使用n_分割=9。然后，在for循环的最后一次迭代中，它将前9次作为序列输出，最后1次作为测试输出

因此，相应地更改代码：

test_size = 0.1

# This conversion is found in the source of TimeSeriesSplit

n_splits = (1//test_size)-1   # using // for integer division

tscv = TimeSeriesSplit(n_splits=n_splits)
for train_index, test_index in tscv.split(X):
    print(train_index, test_index)

    # Read below comments about following code
    X_train, X_test = X[train_index], X[test_index]
    y_train, y_test = y[train_index], y[test_index]

如果将X_列、X_测试等保持在for循环内，则测试大小将保持在0.1，但列车数据将相应更改（因为在时间序列中，只有测试索引之前的值可以用作列车）

如果这是保持在for回路之外，则只有一组列车和试验，其中0.9列车和0.1试验

编辑： 我说不出他们为什么选择k+1作为测试集。请看一看。 但在试验中，他们使用了根据n_分割计算得出的测试_大小：-

n_samples = _num_samples(X)
n_splits = self.n_splits
n_folds = n_splits + 1
test_size = (n_samples // n_folds)

因此，在下一个版本中，他们可能会将

测试大小

作为参数。

---

希望这有帮助。如果有任何疑问，请随时在此发表评论。

Timeseriessplit的工作方式与其他cv迭代器不同。你希望你的产出指数是多少？例如，您是否仍然希望第三个列车组是第一个和第二个列车组的超集（因为您使用了timeseriessplit），如文档中所述，`在第k次拆分中，它返回第一个k倍作为列车组，返回第（k+1）倍作为测试集''的原因是什么？为什么它不像

train\u test\u split

那样，有一个

test\u size

？@suku我说不出他们为什么选择k+1作为测试集。请看一看。但在中，他们使用了

测试大小

，根据

n\u分割

计算得出（我在这里使用的反向计算方法用于确定上述答案中的

n\u分割

）。因此，也许在下一版本中，他们可以将

test\u size

作为参数。请编辑您的答案并将上述注释放在其中。真是太好了relevant@VivekKumar，因此，如果您的测试大小是，比如说，0.5，那么我猜代码将无法工作，因为这将导致n_sample=1？@Riley是的，我知道这一点。它被发布为，并希望在未来的版本中得到纠正。如何构建一个验证集？