[英]Train-Test split for Time Series Data to be used for LSTM
values = df.values
train, test = train_test_split(values)
#Split into train and test
X_train, y_train = train[:, :-1], train[:, -1]
X_test, y_test = test[:, :-1], test[:, -1]
执行上述代码将时间序列数据集拆分为训练 75% 和测试 25%。 我想将训练测试拆分控制为 80-20 或 90-10。 有人可以帮助我了解如何将数据集拆分为我想要的任何比例吗?
这个概念是从https://machinelearningmastery.com/multivariate-time-series-forecasting-lstms-keras/借来的。
注意:我不能为训练和测试随机拆分数据集,最近的值必须用于测试。 我已经包含了我的数据集的屏幕截图。
基本上,你会想要做类似train_test_split(values,test_size=.2,shuffle=False)
test_size=.2
告诉函数使测试大小为输入数据的 20%(您可以类似地使用train_size=n
指定train_size=n
大小,但在没有此规范的情况下,函数将使用1-test_size
,即测试集)。
shuffle=False
告诉函数不要随机打乱顺序。
首先,您应该使用切片或 sklearn 的train_test_split (记住对时间序列数据使用shuffle=False
)将数据分成训练和测试。
#divide data into train and test
train_ind = int(len(df)*0.8)
train = df[:train_ind]
test = df[train_ind:]
然后,您想使用Keras 的 TimeseriesGenerator为 LSTM 生成用作输入的序列。 这个博客很好地解释了它的用法。
from keras.preprocessing.sequence import TimeseriesGenerator
n_input = 2 #length of output
generator = TimeseriesGenerator(train, targets=train, length=n_input)
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.