paddlets.datasets.splitter

class SplitterBase(skip_size: int = 0, verbose: bool = True)[源代码]

基类：object

所有Splitter的基类

参数

skip_size (int) – 在训练集和测试集之间需要跳过的数据，默认为0,如果使用backtest进行数据效果验证的话这里不用设置
verbose (bool) – 是否开启日志打印，默认开启

返回

None

引发

None –

split(dataset: TSDataset, return_index: bool = False) → Union[TSDataset, DatetimeIndex, RangeIndex][源代码]

切割TSdataset

参数

dataset (TS) – 待切割的数据
return_index (bool) – 返回index或者返回TSDataset，默认返回TSdataset

返回

TSDataset|pd.DatetimeIndex|pd.RangeIndex

引发

ValueError –

class HoldoutSplitter(test_size: Union[int, float], skip_size: int = 0, verbose: bool = True)[源代码]

基类：SplitterBase

Holdout切割

TSDataset切分成一个特定的训练集和测试集

参数

test_size (int|float) – 测试集大小，可以是int或者float，作为int时代表测试集的长度，作为float时代表切分比例
skip_size (int) – 在训练集和测试集之间需要跳过的数据，默认为0
verbose (bool) – 是否开启日志打印，默认开启

返回

None

示例

1）举例，如果 test_size = 5, 其他参数设置为默认值，下面展示了这种情况下的切割例子:

I * * * * * * * x x x x xI

* = 训练集， x = 测试集

2）举例，如果 test_size = 0.5, 其他参数设置为默认值，下面展示了这种情况下的切割例子:

I * * * * * * x x x x x xI

* = 训练集， x = 测试集

class ExpandingWindowSplitter(n_splits: int = 5, test_size: Optional[int] = None, skip_size: int = 0, max_train_size: Optional[int] = None, verbose: bool = True)[源代码]

基类：SplitterBase

扩大窗口切分

以固定测试集，不断扩张训练集长度的方式切割数据

参数

n_splits – folds的数量，默认为5，不能为None
test_size (int|float|None) – 测试集长度，如果不设置默认为n_samples // (n_splits+1)
skip_size (int) – 在训练集和测试集之间需要跳过的数据，默认为0
max_train_size (int) – 训练集的最大长度
verbose (bool) – 是否开启日志打印，默认开启

返回

None

引发

None –

示例

1）举例，如果 n_splits = 5, 其他参数设置为默认值，训练集长度= n_samples // (n_splits+1) = 12//(5+1) = 2，下面展示了这种情况下的切割例子:

I * * x x - - - - - - - -I
I * * * * x x - - - - - -I
I * * * * * * x x - - - -I
I * * * * * * * * x x - -I
I * * * * * * * * * * x xI

* = 训练集， x = 测试集

2）举例，如果 n_splits = 5, test_size = 1, 其他参数设置为默认值,下面展示了这种情况下的切割例子:

I * * * * * * * x - - - -I
I * * * * * * * * x - - -I
I * * * * * * * * * x - -I
I * * * * * * * * * * x -I
I * * * * * * * * * * * xI

* = 训练集， x = 测试集

3）举例，如果 n_splits = 5, test_size = 1, skip_size = 1, 其他参数设置为默认值,下面展示了这种情况下的切割例子:

I * * * * * * - x - - - -I
I * * * * * * * - x - - -I
I * * * * * * * * - x - -I
I * * * * * * * * * - x -I
I * * * * * * * * * * - xI

* = 训练集， x = 测试集

4）举例，如果 n_splits = 5, test_size = 1, skip_size = 1, max_train_size = 5, 其他参数设置为默认值,下面展示了这种情况下的切割例子:

I * * * * * - - x - - - -I
I * * * * * - - - x - - -I
I * * * * * - - - - x - -I
I * * * * * - - - - - x -I
I * * * * * - - - - - - xI

* = 训练集， x = 测试集

property get_n_splits: int

Get n_splits

参数: None –
返回: n_splits
返回类型: int
引发: None –

class SlideWindowSplitter(train_size: int, test_size: int, step_size: Optional[int] = None, skip_size: int = 0, verbose: bool = True)[源代码]

基类：SplitterBase

滑动窗口切割

固定训练集和测试集长度，以窗口滑动的方式去切割数据

参数

train_size (int) – 训练集长度，不能为None
test_size (int|float|None) – 测试集的长度，不能为None
step_size – 两个切割之间的窗口滑动步长，默认等于测试集长度
skip_size (int) – 在训练集和测试集之间需要跳过的数据，默认为0
verbose (bool) – 是否开启日志打印，默认开启

返回

None

引发

ValuError –

示例

1）举例，如果 train_size = 5, test_size = 2, 其他参数设置为默认值,下面展示了这种情况下的切割例子:

I * * * * * x x - - - - -I
I - - * * * * * x x - - -I
I - - - - * * * * * x x -I

* = 训练集， x = 测试集

2）举例，如果 train_size = 5, test_size = 2, step_size = 1, 其他参数设置为默认值,下面展示了这种情况下的切割例子:

I * * * * * x x - - - - -I
I - * * * * * x x - - - -I
I - - * * * * * x x - - -I
I - - - * * * * * x x - -I
I - - - - * * * * * x x -I
I - - - - - * * * * * x xI

* = 训练集， x = 测试集

3）举例，如果 train_size = 5, test_size = 2, skip_size = 1, 其他参数设置为默认值,下面展示了这种情况下的切割例子:

I * * * * * - x x - - - -I
I - - * * * * * - x x - -I
I - - - - * * * * * - x xI

* = 训练集， x = 测试集