python - 使用 scikit 学习的线性回归进行时间序列交叉验证

Question

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？

Answer 1

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...