paddlets.utils.backtest

backtest(data: ~paddlets.datasets.tsdataset.TSDataset, model: ~paddlets.models.base.Trainable, start: ~typing.Optional[~typing.Union[~pandas._libs.tslibs.timestamps.Timestamp, int, str, float]] = None, predict_window: ~typing.Union[None, int] = None, stride: ~typing.Union[None, int] = None, metric: ~typing.Optional[~paddlets.metrics.base.Metric] = None, return_predicts: bool = False, reduction: ~typing.Optional[~typing.Callable[[~numpy.ndarray], float]] = <function mean>, verbose: bool = True) → Union[float, Tuple[float, Union[TSDataset, List[TSDataset]]]][源代码]

回测在长度等于predict_window的数据集上重复预测，通过“stride”时间步长进行训练，直到移动至末尾。默认情况下，Backtest 将生成一个长度为 (data_length - model.skip_chunk_len) 的 TSdataset 作为输出。如果设置 predict_window != stride，Backtest 将生成一个 TSdataset List作为输出。

参数

  • data (TSDataset) – 用于回测的 TSdataset

  • model (Trainable) – 用于回测的模型，需要提前拟合

  • start (pd.Timestamp|int|None) – 回测的起点，默认为model.in_chunk_len的后一个点

  • predict_window (int|None) – 预测窗口

  • stride (int|None) – 两个连续预测值之间的步长

  • metric (Metric) – 指标计算公式

  • return_predicts (bool) – 默认只返回score，如果设置为True，返回score和预测值

  • reduction (Callable[[np.ndarray]|None) – 最终结果的统计方法，默认为np.mean

  • verbose (bool) – 是否开启日志打印，默认开启

返回

默认只返回score，如果设置return_predicts为True，返回score和预测值

返回类型

float|(float, TSDataset|List[TSDataset])

引发

ValueError –