关于时间序列中训练测试拆分的问题

Question

我有一个关于在时间序列任务中将数据拆分为训练和测试集的问题。 我知道数据不能被洗牌，因为保持数据的时间性很重要，所以我们不会创造我们能够展望未来的场景。 然而，当我对数据进行洗牌（用于实验）时，我得到了一个高得离谱的 R-Squared 分数。 是的，R Squared 使用测试集进行了评估。 有人可以简单地解释为什么会这样吗？ 为什么在时间序列中改组训练和测试数据会产生高 R-Squared 分数？ 我的猜测是它与时间序列的趋势有关，但我不确定。 我只是出于好奇而问，谢谢！

Answer 1

这真的取决于你的问题。 如果：

1. 如果您的 model 没有 memory，并且只是一个映射任务，那么附加的时间戳没有任何意义，实际上建议对数据进行混洗以获得更好的分布。 如果是这种情况，并且您获得了更高的 R 平方值，那么您绝对应该使用 go。 （我认为是这种情况，因为 R-squared 通常用于这些类型的任务）
2. 如果您的任务依赖于模式并且每个预测都会影响序列中的下一个。 这就是顺序很重要的地方。 在这种情况下，您永远不应该对数据进行洗牌。 任何表明这是谎言的指标。 您可以做的最好的事情是根据时间戳拆分训练集和测试集，在此之前您拥有训练集和之后的测试集。 然后将训练集和测试集划分为固定时间 windows。 仅当 window 跨度对于您的情况足够大时，您现在可以对这些 windows 进行洗牌。

希望这可以帮助！