mar*_*asr 1 python machine-learning time-series cross-validation facebook-prophet
我有一个包含 84 个月销售额（从 01/2013 到 12/2019）的数据集 - 只是几个月，而不是几天。
Month 01 | Sale 1
Month 02 | Sale 2
Month 03 | Sale 3
.... | ...
Month 84 | Sale 84
通过可视化看起来模型非常适合......但我需要检查它......
所以我的理解是 cross val 不支持 Months，所以我所做的是转换为使用它/天（尽管我的原始 df 中没有日期信息）...
我想在前五年（60 个月）内尝试我的模型，并在剩下的 2 年（24 个月）中查看模型的预测效果......
所以我做了类似的事情：
cv_results = cross_validation( model = prophet, initial='1825 days', period='30 days', horizon = '60 days')
这有意义吗？
我没有得到截止日期和预测期的概念
小智 11
我也为此挣扎了一段时间。但这是它的工作原理。初始模型将在前 1,825 天的数据上进行训练。它将预测未来 60 天的数据（因为水平线设置为 60）。然后，该模型将在初始时间段 + 时间段（在本例中为 1,825 + 30 天）进行训练，并预测接下来的 60 天。它将继续这样，在训练数据中再添加 30 天，然后预测接下来的 60 天，直到没有足够的数据来执行此操作。
总之，周期是在交叉验证的每次迭代中添加到训练数据集中的数据量，地平线是它预测的距离。
小智 7
这是设置：
在第一次迭代中，它将在第 1-365 天进行训练，并在第 366 到 385 天进行预测。在第二次迭代中，它将在第 11-375 天进行训练，并在第 376 到 395 天进行预测，依此类推。
| 归档时间： |
|
| 查看次数： |
2073 次 |
| 最近记录： |