machine-learning - 用于提前一天的基础预测模型评估。对于我的火车测试拆分，我是进行 80:20 拆分还是进行（其余时间：最后一天）拆分？

Question

我有 3 个月的时间序列数据，间隔 15 分钟。（一天有 96 个时间段）我有温度栏 [Temp] 和太阳辐照度 [SI]（太阳强度）栏。我的模型必须在“前一天”的基础上预测一整天的温度。即我必须根据前一天的数据预测 96 个时隙。当我“自己”评估我的模型并将我的数据分成训练集和测试集时。我如何拆分它们？我会做 80:20 的拆分吗？但是我的测试数据会有超过一天的读数。还是我做一个（3个月 - 1天）->作为火车，只在最后一天测试？

Answer 1

实际上，这取决于您的任务。但强烈建议不要在训练集中混合新旧数据。

有几个链接可能对您有用：

http://francescopochetti.com/pythonic-cross-validation-time-series-pandas-scikit-learn/

https://stats.stackexchange.com/questions/117350/how-to-split-dataset-for-time-series-prediction

https://stats.stackexchange.com/questions/346907/splitting-time-series-data-into-train-test-validation-sets