常用CV策略及对抗验证（Adversarial validation）

常用CV策略:
Hold-out; Kfold, GroupKFold, StratifiedKFold, TimeSeriesSplit

Adversarial validation(对抗验证)
概念：是一种常用的特征筛选方法，用于找出时序波动明显的特征。
操作：

1. 对划分的训练集和验证集（测试集）进行二元编码， e.g. 训练集增加一个ad_target=1，验证集增加一个ad_target=0
2. 训练一个简单的二分类模型，目标是对ad_target做二分类
3. 每次训练只使用一个特征，记录模型收敛时验证集的AUC
4. 迭代步骤3直到遍历所有特征，对特征按照AUC指标从高到底排序
5. 重点分析AUC较高，经验阈值可以选0.7,0.8；注意缺失值问题

对抗验证（解决CV扰动）；用分布观察特征