Miben különbözik az idősortes CV a szokásos K-Fold-tól?

Idősoros keresztvalidáció (CV) eltér a szokásos K-Fold-tól abban, hogy figyelembe veszi az adatok időbeli sorrendjét. A szokásos K-Fold esetén az adatokat véletlenszerűen osztják K részre, és a modellt ezeken a részeken tanítják és tesztelik anélkül, hogy figyelembe vennék a sorrendet.

Idősoros CV-ben az elosztás úgy történik, hogy ne használjunk jövőbeli adatokat a modell tanításához, elkerülve az információ szivárgását. Például használhatunk mozgó ablakot vagy bővülő adathalmazt:

• Az első lépésben az első T megfigyeléssel tanítunk, és a következőkkel tesztelünk.
• A második lépésben hozzáadjuk a következő időszakot a tanulási készlethez, és a következőkkel tesztelünk.

Ez fontos, hogy a modell tükrözze a valós idejű előrejelzési körülményeket.

Példa (szó szerinti kód):

for i in range(initial_train_size, len(data)):
    train = data[:i]
    test = data[i:i+test_size]
    model.fit(train)
    predictions = model.predict(test)