Как да проведем кръстосана проверка върху времеви редове?

Крос-валидацията на времеви редове се различава от класическата, тъй като данните имат времева зависимост и не могат просто да се разбъркват случайно.

Основни подходи:

1. Time Series Split (променливо окно)

   • Данните се разделят на последователни времеви блокове.
   • На всяка стъпка моделът се обучава върху данните до определен момент и се тества върху следващия времеви интервал.
   • Пример: обучаване на месеците 1-3, тест на 4; след това обучение на 1-4, тест на 5 и т.н.

2. Walk-forward validation (напредваща валидизация)

   • Подобно на Time Series Split, но моделът се преобучава на всяка стъпка, добавяйки нови данни.

3. Блокирана крос-валидация (Blocked cross-validation)

   • Данните се разделят на блокове, като се избягва изтичане на информация между трениране и тест.

Пример в Python с sklearn:

from sklearn.model_selection import TimeSeriesSplit
import numpy as np

X = np.arange(100).reshape(-1, 1)  # Примерни данни
 y = np.sin(X).ravel()

tscv = TimeSeriesSplit(n_splits=5)
for train_index, test_index in tscv.split(X):
    X_train, X_test = X[train_index], X[test_index]
    y_train, y_test = y[train_index], y[test_index]
    # Обучение на X_train, y_train
    # Оценка на X_test, y_test

Важно е да се запази хронологичният ред, за да не се използват бъдещи данни за обучение.