我正在使用 Scikit Learn 的线性回归模型对时间序列进行解释性拟合:
from sklearn import linear_model
import numpy as np
X = np.array([np.random.random(100), np.random.random(100)])
y = np.array(np.random.random(100))
regressor = linear_model.LinearRegression()
regressor.fit(X, y)
y_hat = regressor.predict(X)
我想对预测进行交叉验证。据我所知,我不能使用 sklearn 中的 cross_val(如 Kfold),因为它会随机分解结果,我需要顺序折叠。例如,
data_set = [1 2 3 4 5 6 7 8 9 10]
# first train set
train = [1]
# first test set
test = [2 3 4 5 6 7 8 9 10]
#fit, predict, evaluate
# train set
train = [1 2]
# test set
test = [3 4 5 6 7 8 9 10]
#fit, predict, evaluate
...
# train set
train = [1 2 3 4 5 6 7 8]
# test set
test = [9 10]
#fit, predict, evaluate
是否可以使用 sklearn 来做到这一点?
最佳答案
这种折叠不需要scikit。切片就足够了,比如:
step = 1
for i in range(0, len(data_set), step):
train = dataset[:i]
test = dataset[i:]
# etc...
关于python - 使用 scikit 学习的线性回归进行时间序列交叉验证,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/29928358/