Sklearn：从 timeSeriesSplit 获取最后一次拆分

Question

所以我使用 sklearn 中的timeSeriesSplit 像这样拆分我的数据，

tscv = TimeSeriesSplit(n_splits=3)

现在我知道为了获得拆分索引，我们必须遍历 tscv.split(X)。我的问题是，是否可以直接进入最后一个拆分，而无需遍历拆分。函数返回的对象并不完全是一个列表，所以我不知道该怎么做？我只需要最后一次拆分，因为我的数据很大而且没有。分割数也很大。

提前致谢

Answer 1

TimeSeriesSplit 中的

Split 方法生成索引拆分。 为了获得特定的拆分，您需要对其进行迭代。 它被用来迭代所有可能的分割以进行时间序列交叉验证。

如果 cv 拆分中的测试数据大小等于 s。然后，无论您进行多少次拆分，最后一次拆分设置 train_data = all data except last s data point 和 test_data as last s data points。因此，如果您想直接进行最后一次拆分：切片数据。例如。如果你的数据是一个 numpy 数组 X:

import numpy as np
from sklearn.model_selection import TimeSeriesSplit
X = np.array([[1, 2], [0, 4], [1, 2], [2, 4] ,[1, 2], [7, 4], [8, 2], [5, 4]])

n_splits = 2                                       # select no of splits required
tscv = TimeSeriesSplit(n_splits = n_splits)

n_samples = X.shape[0]                             # this is how test_size (s)
s = n_samples//(n_splits + 1)                      # is evaluated internally              

X_train_last, X_test_last = X[ :-s], X[-s: ]       # s=2 for this split

X_train_last
# array([[1, 2],
#        [0, 4],
#        [1, 2],
#        [2, 4],
#        [1, 2],
#        [7, 4]])

X_test_last
# array([[8, 2],
#       [5, 4]])

另外，如果你设置了“max_train_size”，同时拆分。那么你在切片时也需要注意这一点。详情请参考 TimeSeriesSplit documentation here。