Scikit train_test_split by a indice-Java 学习之路

我有一个按日期索引的 pandas 数据框 . 让's assume it from Jan-1 to Jan-30. I want to split this dataset into X_train, X_test, y_train, y_test but I don' t想要混合日期，所以我希望火车和测试样本除以某个日期（或索引） . 我尝试着

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=0)

但是当我检查数值时，我看到日期是混合的 . 我想将我的数据拆分为：

Jan-1 to Jan-24 要训练和 Jan-25 to Jan-30 进行测试（因为test_size是0.2，这使得24次训练和6次测试）

我怎样才能做到这一点？谢谢

2 回答

尝试使用TimeSeriesSplit：

X = pd.DataFrame({'input_1': ['a', 'b', 'c', 'd', 'e', 'f'],
                  'input_2': [1, 2, 3, 4, 5, 6]},
                 index=[pd.datetime(2018, 1, 1),
                        pd.datetime(2018, 1, 2),
                        pd.datetime(2018, 1, 3),
                        pd.datetime(2018, 1, 4),
                        pd.datetime(2018, 1, 5),
                        pd.datetime(2018, 1, 6)])
y = np.array([1, 0, 1, 0, 1, 0])

这导致了 X

input_1  input_2
2018-01-01       a        1
2018-01-02       b        2
2018-01-03       c        3
2018-01-04       d        4
2018-01-05       e        5
2018-01-06       f        6

tscv = TimeSeriesSplit(n_splits=3)
for train_ix, test_ix in tscv.split(X):
    print(train_ix, test_ix)

[0 1 2] [3]
[0 1 2 3] [4]
[0 1 2 3 4] [5]

回复于 2024-04-28T22:23:20+08:00

1
你应该使用
```
X_train, X_test, y_train, y_test = train_test_split(X,Y, shuffle=False, test_size=0.2, stratify=None)
```
不要使用 random_state=None 它需要 numpy.random

在here中提到使用 shuffle=False 和 stratify=None
回复于 2024-04-28T22:23:20+08:00

Scikit train_test_split by a indice

2 回答

相关问题