scikitlearn:cross-unu-val-predict仅适用于分区

Question

我正在努力研究如何在sklearn中实现TimeSeriesSplit。在

下面链接的建议答案会产生相同的ValueError。在

sklearn TimeSeriesSplit cross_val_predict only works for partitions

下面是我的代码中的相关部分：

from sklearn.model_selection import cross_val_predict
from sklearn import svm

features = df[df.columns[0:6]]
target = df['target']

clf = svm.SVC(random_state=0)

pred = cross_val_predict(clf, features, target, cv=TimeSeriesSplit(n_splits=5).split(features))

---

ValueError回溯（最近一次调用） 在（） ---->；1 pred=交叉价值预测（clf、特征、目标、cv=时间序列分段（n_splits=5）。分割（features））

/home/jedwards/anaconda3/envs/py36/lib/python3.6/site-packages/sklearn/model_选择/_验证.py跨价值预测（估计器、X、y、组、cv、n个作业、详细、拟合参数、预调度、方法） 407 408如果不是_check_is_置换（测试_指数，_num_samples（X））： -->；409 raise ValueError（'交叉值预测仅适用于分区'） 410 411投资测试指数=np.空（len（测试索引），dtype=int）

值错误：交叉值预测仅适用于分区

Answer 1

由于TimeSeriesSplit的第一个分区从来不是测试数据集的一部分，因此cross-Xul-predict无法与TimeSeriesSplit一起工作，这意味着没有对它进行预测。在

例如，当数据集为[1,2,3,4,5]时

• 折叠1-列车：[1]，测试：[2]
• 折叠2-列车：[1，2]，测试：[3]
• 折叠3-列车：[1，2，3]，测试：[4]
• 折叠4-列车：[1，2，3，4]，测试：[5]

在测试集中，没有一个折叠是1

如果您希望预测2-5，您可以手动循环通过CV生成的分割，并自己存储2-5的预测。在