时间序列交叉验证法_sklearn调用_及prophet交叉验证函数实现

搞这个的初衷一是想对时间序列预测结果进行交叉验证；二是想和prophet自带的交叉验证方法进行比较。
然而sklearn自带的时序交叉验证包并不是那么好用，不太灵活，就决定自己写一个。

1. 时间序列特定的交叉验证方法简介

时间序列不能采用一般的K-FOLD校验，具体的原理可以看机器之心翻译的这篇文章：

一文简述如何使用嵌套交叉验证方法处理时序数据

时间序列一般采用递增时间窗交叉验证法，如下图所示：

2. sklearn时间序列交叉验证包TimeSeriesSplit

sklearn.model_selection.TimeSeriesSplit的包默认为递增窗口交叉验证。

官方doc及sample如下：

class sklearn.model_selection.TimeSeriesSplit(n_splits=5, ***, max_train_size=None)

Parameters

• n_splitsint, default=5 --把时间序列数据拆成几份

  Number of splits. Must be at least 2.Changed in version 0.22: n_splits default value changed from 3 to 5.

• max_train_sizeint, default=None --限制每次training的大小。如果不设置，则默认从头开始训练（如上图所示）；如果设置，就可以控制成固定的moving window。见下文的example。

  Maximum size for a single training set.

递增窗口交叉验证Example

>>> import numpy as np
>>> from sklearn.model_selection import TimeSeriesSplit
>>> X = np.array([[1, 2], [3, 4], [1, 2], [3, 4], [1, 2], [3, 4]])
>>> y = np.array([1, 2, 3, 4, 5, 6])
>>> tscv = TimeSeriesSplit()
>>> print(tscv)
TimeSeriesSplit(max_train_size=None, n_splits=5)
>>> for train_index, test_index in tscv.split(X):
...     print("TRAIN:", train_index,