Time K-fold
「Store Item Demand Forecasting Challenge」を覚えていますか？店舗×商品の売上データが与えられ、将来の売上を予測する課題です。
これは時系列データのコンペなので、time K-fold クロスバリデーションを適用する必要があります。ここでは、この検証戦略を作成し、期待どおりに動作することを確認しましょう。
なお、train データフレームはワークスペースにすでに用意されており、TimeSeriesSplit は sklearn.model_selection からインポート済みです。
この演習はコースの一部です
Pythonで挑むKaggleコンペティション
演習の手順
- 分割数を 3 として
TimeSeriesSplitオブジェクトを作成します。 - time K-fold を適用するために、学習データを "date" 列でソートします。
time_kfoldオブジェクトを使って各時系列分割をループします。- 各分割で、
train_indexとtest_indexを使って学習用フォールドとテスト用フォールドを選択します。
実践的なインタラクティブ演習
このサンプルコードを完成させて、この演習に挑戦してみましょう。
# 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