Zaman serileri üzerinde çapraz doğrulama nasıl yapılır?

Zaman serileri üzerinde çapraz doğrulama, verilerin zaman bağımlılığı içerdiği ve rastgele karıştırılamayacağı için klasik yöntemden farklıdır.

Ana yaklaşımlar:

1. Time Series Split (kaydırmalı pencere)

   • Veriler ardışık zaman bloklarına ayrılır.
   • Her adımda, model belirli bir zamana kadar olan verilerle eğitilir ve sonraki zaman aralığında test edilir.
   • Örnek: 1-3 ayları eğit, 4'te test; sonra 1-4 aylarını eğit, 5'te test ve devam eder.

2. İleriye doğru yürüyüş doğrulaması (Walk-forward validation)

   • Time Series Split'e benzer, ancak model her adımda yeniden eğitilir ve yeni veriler eklenir.

3. Bloklu çapraz doğrulama (Blocked cross-validation)

   • Veriler bloklara ayrılır ve eğitim ile test arasında bilgi sızıntısı önlenir.

Python örneği sklearn kullanılarak:

from sklearn.model_selection import TimeSeriesSplit
import numpy as np

X = np.arange(100).reshape(-1, 1)  # Örnek veriler
 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]
    # X_train, y_train ile modeli eğit
    # X_test, y_test ile değerlendirme

Zaman sırasını korumak, gelecekteki verileri eğitimde kullanmamak önemlidir.