Ինչպե՞ս է տարբերվում ժամանակային շղթաների CV-ն սովորական K-Fold-ից:

Ժամանակային շարքերի կտրուկ վավերացում (CV) տարբերվում է սովորական K-Fold-ից այն առումով, որ հաշվի է առնում տվյալների ժամանակային կարգը: Սովորական K-Fold-ում տվյալները պատահականորեն բաժանվում են K մասի, և մոդելը ուսուցանվում և փորձարկվում է այդ մասերի վրա՝ առանց կարգի հաշվի առնելու:

Ժամանակային շարքերի CV-ում բաժանումը կատարվում է այնպես, որ չօգտագործվի ապագա տվյալներ մոդելը ուսուցանելու համար, կանխելով տեղեկատվության արտահոսքը: Օրինակ, կարող եք օգտագործել սահող պատուհան կամ ընդլայնվող տվյալների հավաքածու:

• Առաջին քայլում, ուսուցանում ենք առաջին T դիտարկումներով և փորձարկում հաջորդների վրա:
• Երկրորդ քայլում, ավելացնում ենք հաջորդ ժամանակային հատվածը ուսուցման հավաքածուին և փորձարկում հաջորդների վրա:

Սա կարևոր է, որպեսզի մոդելը արտացոլի իրական պայմանները ժամանակի ընթացքում:

Օրինակ (պսևդոկոդ):

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)