timeseries 데이터의 계층화 된 교차 유효성 검사

Question

그룹 (grp 열)을 기반으로하는 시계열 교차 유효성 검사를 수행하려고합니다. 아래의 샘플 데이터에서, 온도는이 코드를 사용하여 GRP에 따라 약간의 지연 기능을 추가하기 위해 기획하고

import numpy as np 
import pandas as pd 
timeS=pd.date_range(start='1980-01-01 00:00:00', end='1980-01-01 00:00:05', 
freq='S') 
df = pd.DataFrame(dict(time=timeS, grp=['A']*3 + ['B']*3, material=[1,2,3]*2, 
temperature=['2.4','5','9.9']*2)) 


    grp material temperature time 
0 A 1  2.4    1980-01-01 00:00:00 
1 A 2  5     1980-01-01 00:00:01 
2 A 3  9.9    1980-01-01 00:00:02 
3 B 1  2.4    1980-01-01 00:00:03 
4 B 2  5     1980-01-01 00:00:04 
5 B 3  9.9    1980-01-01 00:00:05 

변수 내 대상입니다. 내가 sklearn sklearn.model_selection.TimeSeriesSplit에서이 기능을 사용 할 수 있습니다 교차 유효성 검사를 수행 할 때

df.groupby("grp")['temperature'].shift(-1) 
0  5 
1 9.9 
2 NaN 
3  5 
4 9.9 
5 NaN 
Name: temperature, dtype: object 

내가 가지고 지금 문제는 있지만 그룹의 효과를 고려하지 않습니다. 누구나 그룹당 CV 분할 (층화 분할과 같은)하는 방법을 말해 줄 수 있습니까? 도움이된다면 CVS 용 xgboost.cv를 사용할 것입니다.

편집 : 그룹당 시간 변경. 그룹

Answer 1

내의 균일 초당 시간이 증가는 다음을 수행한다 :

series = Series.from_csv('yourfile.csv', header=0) 
    X = series.values 
    n_train = 500 
    n_records = len(X) 
    for i in range(n_train, n_records): 
     train, test = X[0:i], X[i:i+1] 
     print('train=%d, test=%d' % (len(train), len(test)))