为什么测试曲线从头开始而不是从火车曲线的末端开始？

Question

# 5-split into train and test sets
train_size = int(len(dataset) * 0.75)
test_size = len(dataset) - train_size
train, test = dataset[0:train_size, :], dataset[train_size:len(dataset), :]
print(len(train), len(test))

# Plot train and test data
plt.figure(figsize = (15, 10))
plt.plot(train)
plt.plot(test)
plt.xlabel('Vehicle')
plt.ylabel('Sender Speed')
plt.legend(['Train set', 'Test set'], loc='upper right')

print('Dimension of train data: ',train.shape)
print('Dimension of test data: ', test.shape)

enter image description here

为什么测试曲线确实从头开始而不是从火车曲线的末端开始？

Answer 1

上面的源代码将数据集分为两组：训练集和测试集。训练集是数据的 75%。测试集为 25%。 训练集和测试集必须彼此分开，否则您将使用测试数据进行训练，结果可能会过度拟合数据。 是否为测试集选择前 25%、最后 25% 或其他 25% 的数据是任意的。 （实际上测试集的大小有些随意。）在上面的源代码中，测试集是从总数据集的末尾选择的。需要注意的是，如果数据集是有序的，这可能会导致问题。源代码可以通过在选择之前随机重新排序数据来改进。通过在训练前整理（清理）数据以及调整大小和可视化，可以改进训练和测试。