提问人：Beitian Ma 提问时间：11/17/2023 最后编辑：toyota SupraBeitian Ma 更新时间：11/19/2023 访问量：42
递归样本拆分方案（带网格搜索）
A recursive sample splitting scheme (with grid searching)
问：
我有一个数据面板，例如，每个横截面中都有几个样本
import pandas as pd
import numpy as np
dates = ["2018-01-01", "2019-01-01", "2020-01-01", "2021-01-01", "2022-01-01"] * 2
dates.sort()
samples = [1, 2] * 5
df = pd.DataFrame(
{
"dates": dates,
"samples": samples
}
)
我想创建一个交叉验证生成器，我在其中进行了 3 次验证：
- 第一次，samples in 是训练样本，in 是验证样本;
["2018-01-01", "2019-01-01"]["2020-01-01"] - 第二次，samples in 是训练样本，in 是验证样本;
["2018-01-01", "2019-01-01", "2020-01-01"]["2021-01-01"] - 最后一次，samples in 是训练样本，in 是验证样本。
["2018-01-01", "2019-01-01", "2020-01-01", "2021-01-01"]["2022-01-01"]
简而言之，训练集递归增加，而验证集保持恒定长度。
我曾考虑过功能，但问题是：PredefinedSplit()sklearn.model_selection
- 如您所见，我没有每次都包含所有样本（无论是在测试集还是验证集中）;
["2020-01-01"]在第一次和第二次验证中处于训练集，但不是第一次验证。
这让无能为力。PredefinedSplit()
我的问题是：如何定制这个拆分方案？最好保留它，因为我想将这个拆分方案传递到网格搜索中？sklearnGridSearchCV()
答：
0赞
Ben Reiniger
11/17/2023
#1
这本质上是 （docs） 的目的。TimeSeriesSplit
但是如果你想要更多的控制权，网格搜索和朋友的参数接受cv
可迭代的生成（训练、测试）拆分为索引数组。
因此，整数列表对的列表应该有效，例如
cv = [
([0, 1, 2, 3], [4, 5]),
([0, 1, 2, 3, 4, 5], [6, 7]),
...
]
（对于更大的示例，您应该能够使用生成器表达式和 来清理）。range
上一个：我的逻辑回归模型有多好？[关闭]
下一个：模拟正弦和余弦曲线 [已关闭]
评论