Skip to main content
 首页 » 编程设计

python之使用 scikit 学习的线性回归进行时间序列交叉验证

2025年05月04日10wayfarer

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?

请您参考如下方法:

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...