Kaip atlikti kryžminę validaciją laiko eilutėse?

Laiko eilių kryžminė validacija skiriasi nuo klasikinės, nes duomenys turi laiko priklausomybę ir jų paprasčiausiai negalima atsitiktinai maišyti.

Pagrindiniai požiūriai:

1. Time Series Split (slankus langas)

   • Duomenys yra padalijami į nuoseklius laiko blokus.
   • Kiekviename žingsnyje modelis mokomas naudoti duomenis iki tam tikro momento ir testuojamas kitame laiko intervale.
   • Pavyzdys: mokymas mėnesiais 1-3, testavimas 4; tada mokymas 1-4, testavimas 5 ir t.t.

2. Walk-forward validation (žingsnis po žingsnio validacija)

   • Panaši į Time Series Split, bet modelis kiekviename žingsnyje yra permokomas, pridedant naujus duomenis.

3. Blokuota kryžminė validacija (Blocked cross-validation)

   • Duomenys yra padalijami į blokus, siekiant išvengti informacijos nutekėjimo tarp mokymo ir testavimo etapų.

Python pavyzdys naudojant sklearn:

from sklearn.model_selection import TimeSeriesSplit
import numpy as np

X = np.arange(100).reshape(-1, 1)  # Pavyzdiniai duomenys
 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]
    # Mokyti modelį su X_train, y_train
    # Vertinti su X_test, y_test

Svarbu išlaikyti chronologinę tvarką, kad nebūtų naudojami būsimieji duomenys mokymui.