机器学习中时间序列数据的训练集、验证集、测试集处理问题

序列数据的训练集、验证集、测试集处理问题"/>

机器学习中时间序列数据的训练集、验证集、测试集处理问题

机器学习中对于时间序列的数据进行train、val、test划分时需要注意的问题是，不要将val中的数据出现在train中，准确的说，是选取的val数据的时间节点不能与train中数据时间节点有任何交集。否则，你会发现训练时，val的loss会与train的loss几乎一样，即失去其作用。因为，对于时间序列预测这种任务，如果你的验证集中与训练集中时间上出现重叠，模型会在训练时记忆你训练集中出现的重叠数据，专业的说法是引入未来数据。例如，告诉你5日到10日的收盘价格，让你预测第11日收盘价（验证阶段）；同时，给你11日到16日的收盘价，让你记忆第17日的收盘价（训练阶段）。这11日的价格你记忆过，影响了神经单元权重，自然在验证时无法做到客观。

一般有三种处理方案

1，Train-Test split that respect temporal order of observations.

2，Multiple Train-Test splits that respect temporal order of observations.

3，Walk-Forward Validation where a model may be updated each time step new data is received.

具体训练划分处理方案可以参考以下

参考：

1. How To Backtest Machine Learning Models for Time Series Forecasting

2. Time Series Nested Cross-Validation

3. Cross-validation for time series

4. 除了预测姨妈周期，时间序列还能干嘛？

5. 机器学习与时间序列预测

（以上个人理解。试验时反应出的问题，但没有理论验证过，如有错误望指出，谢谢)