time-series - 将随机森林用于时间序列数据集

Question

对于时间序列数据集，我想做一些分析并创建预测模型。通常，我们会将数据(通过在整个数据集中随机抽样)拆分为训练集和测试集，并使用带有 randomForest 函数的训练集。并保留测试部分以检查模型的行为。

但是，有人告诉我，时间序列数据无法通过随机抽样来拆分数据。

如果有人解释如何将数据拆分为时间序列数据的训练和测试，我将不胜感激。或者如果有任何替代方法来做时间序列随机森林。问候

Answer 1

我们生活在一个“ future 与过去的因果关系”只出现在炫酷的科幻电影中的世界。因此，在对时间序列建模时，我们希望避免用 future 事件来解释过去事件。此外，我们还想验证我们的模型是否能够根据过去的事件进行严格训练，从而解释 future 的事件。

使用 RF 滚动对时间序列 T 进行建模。对于第 t 天，值 T[t] 是目标值 T[t-k]，其中 k= {1,2,...,h}，其中 h 是过去的地平线，将用于形成特征。对于非平稳时间序列，T 被转换为例如相对改变Trel。 = (T[t+1]-T[t])/T[t].

为了评估性能，我建议检查 RF 的袋外交叉验证措施。请注意，有一些陷阱可能会使该指标过于乐观:

1. 过去污染的未知 future - 不知何故滚动是错误的，模型使用 future 事件来解释训练集中的相同 future 。

2. 非独立抽样:如果您要提前预测的时间间隔短于计算相对变化的时间间隔，则您的样本不是独立的。

3. 我还不知道的其他可能的错误

最后，每个人都可能以某种潜在的方式犯上述错误。要检查没有发生这种情况，您需要通过回溯测试来验证您的模型。每天都由仅根据过去事件严格训练的模型进行预测。

当 OOB-CV 和回溯测试完全不一致时，这可能是代码中存在某些错误的提示。

要进行回测，请在 T[t-1 到 t-traindays] 上滚动。对此训练数据建模并预测 T[t]。然后将 t 加一，t++，并重复。

为了加快速度，您可以只训练一次模型或在每第 n 个 t 增量时训练您的模型。