Time K-fold

Vzpomínáš na soutěž „Store Item Demand Forecasting Challenge", kde dostaneš data o prodejích v obchodech a máš za úkol předpovědět budoucí tržby?

Jde o soutěž s časovými řadami, takže je vhodné použít křížovou validaci time K-fold. Tvým cílem je tuto strategii křížové validace vytvořit a ověřit, že funguje správně.

DataFrame train je v tvém prostředí už k dispozici a TimeSeriesSplit byl naimportován z sklearn.model_selection.

Toto cvičení je součástí kurzu

Jak vyhrát soutěž na Kaggle v Pythonu

Zobrazit kurz

Pokyny k cvičení

Vytvoř objekt TimeSeriesSplit se 3 rozděleními.
Seřaď trénovací data podle sloupce "date", aby bylo možné aplikovat time K-fold.
Projdi každé časové rozdělení pomocí objektu time_kfold.
Pro každé rozdělení vyber trénovací a testovací část dat pomocí train_index a test_index.

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Create TimeSeriesSplit object
time_kfold = TimeSeriesSplit(n_splits=____)

# Sort train data by date
train = train.sort_values(____)

# Iterate through each split
fold = 0
for train_index, test_index in ____.____(____):
    cv_train, cv_test = ____.____[____], ____.____[____]
    
    print('Fold :', fold)
    print('Train date range: from {} to {}'.format(cv_train.date.min(), cv_train.date.max()))
    print('Test date range: from {} to {}\n'.format(cv_test.date.min(), cv_test.date.max()))
    fold += 1

Upravit a spustit kód