对带有timeseries行为的数据建模的交叉验证分割
对带有timeseries行为的数据建模的交叉验证分割
提问于 2021-09-14 15:37:58
背景:我有一个每月生成的数据集(它类似于每个月包含卡片人口学和交易的卡片数据，并且可以在数据系列的中间添加新的帐户)。根据这些历史数据，我需要建立一个分类模型来预测下个月的二进制标签。
问:哪一种更好的交叉验证分割类型，可以用来得到一个公平的模型分数评估(而不是偏见和低方差)？为了表明这一点，让我们花15个月的培训数据，需要对模型进行5倍交叉验证分割的超调。我下面有两种选择，但如果你有其他的，那也没关系。
1.保留一种类型
的时间序列
- 第1部分:培训%1%2%3%4%5%6%7%8%9 10，测试11
- 第2部分:培训1 2 3 4 5 6 7 8 9 10 11，测试12
- 第3部分:培训1 2 3 4 5 6 7 10 11 12，测试13
- 第4部分:培训1 2 3 4 5 6 7 8 10 11 12 13，测试14
- 第5部分:培训1 2 3 4 5 6 7 9 10 11 12 13 14，测试15
2.休假类型为
的时间序列
- 第1部分:培训%1%2%3%4%5%6%7%8%9 10，测试11 12 13 14 15
- 第2部分:培训1 2 3 4 5 6 7 8 9 10 11，测试12 13 14 15
- 第3部分:培训1 2 3 4 5 6 7 10 11 12，测试13 14 15
- 第4部分:培训1 2 3 4 5 6 7 8 10 11 12 13，测试14 .15
- 第5部分:培训1 2 3 4 5 6 7 9 10 11 12 13 14，测试15
谢谢你的回答，非常感谢你的回复。
回答 1
Data Science用户
回答已采纳
发布于 2021-09-14 16:49:12
由于您希望构建基于时间顺序表格数据的二进制分类器，我看到了两种可能的方法：
- 正如您建议的那样，将数据集拆分为有序的列车测试折叠，这样您就可以在每个时间间隔内再现具有历史数据集和测试(以及稍后的评估)集的“真实”情况；您可以使用学习TimeSeriesSplit来获得这种类型的拆分，这与您提议的类似，但始终具有相同的测试集数据量：
- 将您的数据集重组为一个常见的分类问题，其中每个样本行都有一些聚合信息(例如，对于一个客户)，例如平均、最小、最大.客户端属性和二进制标签的值；在此框架下，应用k折叠(10折叠是一个常见的选项)交叉验证策略，您也可以签入这个答案。
顺便说一句，你的模型应该达到一个良好的偏差-方差权衡，而不是一个完美的“无偏见”模型。
页面原文内容由Data Science提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://datascience.stackexchange.com/questions/102078
复制相关文章
相似问题
腾讯云开发者
