Time K-fold

Îți amintești de competiția „Store Item Demand Forecasting Challenge", în care primești date despre vânzările din magazine și trebuie să prezici vânzările viitoare?

Este o competiție cu date de tip serie de timp. Prin urmare, trebuie aplicată validarea încrucișată Time K-fold. Scopul tău este să creezi această strategie de validare încrucișată și să te asiguri că funcționează corect.

Reține că DataFrame-ul train este deja disponibil în spațiul tău de lucru și că TimeSeriesSplit a fost importat din sklearn.model_selection.

Acest exercițiu face parte din cursul

Câștigarea unei competiții Kaggle în Python

Vezi cursul

Instrucțiuni pentru exercițiu

Creează un obiect TimeSeriesSplit cu 3 diviziuni.
Sortează datele de antrenament după coloana „date" pentru a aplica Time K-fold.
Parcurge fiecare diviziune temporală folosind obiectul time_kfold.
Pentru fiecare diviziune, selectează fold-urile de antrenament și testare folosind train_index și test_index.

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

# 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

Editează și rulează codul