關於時間序列中訓練測試拆分的問題

Question

我有一個關於在時間序列任務中將數據拆分為訓練和測試集的問題。 我知道數據不能被洗牌，因為保持數據的時間性很重要，所以我們不會創造我們能夠展望未來的場景。 然而，當我對數據進行洗牌（用於實驗）時，我得到了一個高得離譜的 R-Squared 分數。 是的，R Squared 使用測試集進行了評估。 有人可以簡單地解釋為什么會這樣嗎？ 為什么在時間序列中改組訓練和測試數據會產生高 R-Squared 分數？ 我的猜測是它與時間序列的趨勢有關，但我不確定。 我只是出於好奇而問，謝謝！

Answer 1

這真的取決於你的問題。 如果：

1. 如果您的 model 沒有 memory，並且只是一個映射任務，那么附加的時間戳沒有任何意義，實際上建議對數據進行混洗以獲得更好的分布。 如果是這種情況，並且您獲得了更高的 R 平方值，那么您絕對應該使用 go。 （我認為是這種情況，因為 R-squared 通常用於這些類型的任務）
2. 如果您的任務依賴於模式並且每個預測都會影響序列中的下一個。 這就是順序很重要的地方。 在這種情況下，您永遠不應該對數據進行洗牌。 任何表明這是謊言的指標。 您可以做的最好的事情是根據時間戳拆分訓練集和測試集，在此之前您擁有訓練集和之后的測試集。 然后將訓練集和測試集划分為固定時間 windows。 僅當 window 跨度對於您的情況足夠大時，您現在可以對這些 windows 進行洗牌。

希望這可以幫助！